Diseños Factoriales

Diseo Factoriales
Maestra en Ingeniera
Msc. Julio Hurtado Msc. Roberto Gomez
2011
Acreditada Institucionalmente (UTB)
Maestria UTB
2011
1 / 76
Maestria UTB
2011
2 / 76
Competencias para esta unidad
Diferenciar los modelos, las hiptesis y la interpretacin de

diseos factoriales cuando sus factores sean de efectos jos y/o
efectos aleatorios y/o de efectos mixtos y en bloques, construyendo
adecuadamente la tabla Anova.
Maestria UTB
2011
2 / 76
Competencias para esta unidad
Diferenciar los modelos, las hiptesis y la interpretacin de

diseos factoriales cuando sus factores sean de efectos jos y/o
efectos aleatorios y/o de efectos mixtos y en bloques, construyendo
adecuadamente la tabla Anova.
Construir diseos factoriales con factores de efectos jos y/o

efectos aleatorios y/o de efectos mixtos, validarlos experimentalmente
usando las tcnicas Anova, comparaciones mltiples y los anlisis
grcos.
Maestria UTB
2011
2 / 76
Conceptos bsicos en diseos factoriales
En muchos procesos, se estudia la inuencia varios factores

de manera simultnea sobre una o varias variables de respuesta,
donde:
Maestria UTB
2011
3 / 76

donde:
cada factor tiene la misma importancia apriori
Maestria UTB
2011
3 / 76

donde:
los factores interactan entre s.
Maestria UTB
2011
3 / 76

donde:
los factores interactan entre s.
Estos diseos experimentales son los llamados diseos

factoriales.
Maestria UTB
2011
3 / 76
El objetivo de un diseo factorial es estudiar el efecto de

varios factores sobre una o varias respuestas 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,
encontrando nuevas condiciones de operacin del proceso que eliminen
o disminuyan ciertos problema de calidad en la variable de salida.
Maestria UTB
2011
4 / 76
Los factores pueden ser de tipo:
Maestria UTB
2011
5 / 76

cualitativo, p.ej, mquinas, tipos de material, operador, la presencia o
ausencia de una operacin previa, etc.
Maestria UTB
2011
5 / 76

cuantitativo, p.ej, temperatura, humedad, velocidad, presin, etc.
Maestria UTB
2011
5 / 76

Para poder estudiar la manera en como inuye cada factor

sobre la variable respuesta, es necesario elegir al menos dos niveles de
prueba para cada uno de ellos, p.ej, tres mquinas, dos operadores,
tres velocidades, dos temperaturas, etc
Maestria UTB
2011
5 / 76

Para poder estudiar la manera en como inuye cada factor

sobre la variable respuesta, es necesario elegir al menos dos niveles de
prueba para cada uno de ellos, p.ej, tres mquinas, dos operadores,
tres velocidades, dos temperaturas, etc
En el diseo factorial completo se corren aleatoriamente en el proceso
todas las posibles combinaciones que pueden formarse con los niveles
seleccionados.
Maestria UTB
2011
5 / 76
Diseos factoriales
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.
Maestria UTB
2011
6 / 76
Diseos factoriales

de los factores.
Por ejemplo, con k = 2 factores, ambos con dos niveles de prueba, se
forma el diseo factorial 2 2 = 22 , que consiste de cuatro
combinaciones o puntos experimentales.
Maestria UTB
2011
6 / 76
Diseos factoriales

de los factores.
Con k = 2 factores, uno con tres niveles y otro con dos niveles, se
pueden construir 3 2 combinaciones que dan lugar al diseo
factorial 3 2.
Maestria UTB
2011
6 / 76
Diseos factoriales

de los factores.
factorial 3 2.
El nombre del diseo factorial va implcito el nmero tratamientos que
lo componen.
Maestria UTB
2011
6 / 76
Diseos factoriales

de los factores.
factorial 3 2.
El nombre del diseo factorial va implcito el nmero tratamientos que
lo componen.
El nmero de total corridas experimentales es el nmero de
tratamientos por el nmero de rplicas.
Maestria UTB
2011
6 / 76
Familia de diseos factoriales
La familia de diseos factoriales 2k consiste de k factores,

todos con dos niveles de prueba.
Maestria UTB
2011
7 / 76

La familia de diseos factoriales 3k consiste de k factores

cada uno con tres niveles de prueba.
Maestria UTB
2011
7 / 76

La familia de diseos factoriales 3k consiste de k factores

cada uno con tres niveles de prueba.
Con k = 3 factores, el primero con cuatro niveles y los dos restantes
con dos niveles, se tiene el diseo factorial 4 2 2 o 4 22 , que
consiste de 16 combinaciones de niveles diferentes.
Maestria UTB
2011
7 / 76
Ejemplo de diseos factoriales

Diseo factorial 22 . Supongamos que se tienen dos factores A:
tiempo y B: velocidad, cada uno con dos niveles (bajo y alto)
denotados por A1 = 3 min, A2 = 6 min y B1 = 600 rpm, B2 = 1000
rpm, respectivamente. La respuesta de inters (Y ) es la cantidad de
aditivo. En la tabla 1 se muestran los cuatro tratamientos o puntos
del diseo factorial 22 . En el experimento original cada tratamiento se
corri tres veces (tres rplicas), lo que da un total de 12 corridas del
proceso, pero por simplicidad en la ltima columna de la tabla 1 slo
se han anotado los resultados de la primera rplica.
Maestria UTB
2011
8 / 76
Ejemplo de diseos factoriales

Diseo factorial 22 . Supongamos que se tienen dos factores A:
tiempo y B: velocidad, cada uno con dos niveles (bajo y alto)
denotados por A1 = 3 min, A2 = 6 min y B1 = 600 rpm, B2 = 1000
rpm, respectivamente. La respuesta de inters (Y ) es la cantidad de
aditivo. En la tabla 1 se muestran los cuatro tratamientos o puntos
del diseo factorial 22 . En el experimento original cada tratamiento se
corri tres veces (tres rplicas), lo que da un total de 12 corridas del
proceso, pero por simplicidad en la ltima columna de la tabla 1 slo
se han anotado los resultados de la primera rplica.
Tabla 1
A: Tiempo
A1
A2
A1
A2
B: velocidad
B1
B1
B2
B2
17.10
16.26
18.76
18.16
Maestria UTB
2011
8 / 76
Efecto principal y efecto de interaccin
El efecto de un factor se dene como el cambio observado

en la variable de respuesta debido a un cambio de nivel de tal factor.
Maestria UTB
2011
9 / 76

El efecto principal de un factor es la diferencia entre la

respuesta media observada cuando tal factor estuvo en su nivel alto y
la respuesta media observada cuando el factor estuvo en su nivel bajo.
Maestria UTB
2011
9 / 76


Para los datos de la tabla 1, los efectos principales del tiempo y de la
velocidad estn dados por
Maestria UTB
2011
9 / 76


Efecto A (tiempo ) =
16.26 +18.16
2
Maestria UTB
17.10 +18.76
2
0.72
2011
9 / 76


18.16
Efecto A (tiempo ) = 16.26 +
2
18.76
+18.16
Efecto B (velocidad ) =
2
Maestria UTB
17.10 +18.76 =
2
17.10 +16.26
2
0.72
= 1.78.
2011
9 / 76
Dos factores interactan entre s o tienen un efecto de

interaccin sobre la respuesta, cuando el efecto de un factor depende
del nivel en que se encuentra el otro.
Maestria UTB
2011
10 / 76

Por ejemplo: los factores tiempo y velocidad interactan si el efecto
del tiempo es muy diferente en cada nivel de la velocidad, o viceversa.
Maestria UTB
2011
10 / 76

Por ejemplo, de la tabla 1: el efecto de A cuando B es baja es
Maestria UTB
2011
10 / 76

Efecto A (con B bajo ) = 16.26
17.10 =
Maestria UTB
0.84
2011
10 / 76

Efecto A (con B bajo ) = 16.26 17.10 = 0.84
y cuando la velocidad es alta, el efecto de A es:
Maestria UTB
2011
10 / 76

Efecto A (con B bajo ) = 16.26 17.10 = 0.84
y cuando la velocidad es alta, el efecto de A es:
Efecto A (con B alto ) = 18.16 18.76 = 0.6
Maestria UTB
2011
10 / 76
El efecto de interaccin entre A y B, denotado por AB, es

la diferencia entre la respuesta media cuando ambos factores se
encuentran en el mismo nivel ((bajo, bajo ), (alto, alto )), y la
respuesta media cuando los factores se encuentran en niveles opuestos
((bajo, alto ), (alto, bajo )).
Maestria UTB
2011
11 / 76

Para el ejemplo,
AB =
17.10 + 18.16
2
Maestria UTB
16.26 + 18.76
= 0.12
2
2011
11 / 76

Para el ejemplo,
AB =
17.10 + 18.16
2
16.26 + 18.76
= 0.12
2
El valor absoluto del efecto de un factor es una medida de

su inuencia sobre la respuesta. Se requiere del Anova, para saber si
stos son estadsticamente signicativos.
Maestria UTB
2011
11 / 76
Diseos factoriales con dos factores
De dos factores A y B con a y b (a, b 2) niveles de

prueba, respectivamente, se construye el diseo factorial con a b
tratamientos. Una rplica es la repeticin completa del arreglo
factorial.
Maestria UTB
2011
12 / 76

factorial.
Los diseos factoriales con menos de cuatro factores se

corren replicados para poder tener la potencia necesaria en las
pruebas estadsticas sobre los efecto de inters.
Maestria UTB
2011
12 / 76

factorial.
Los diseos factoriales con menos de cuatro factores se

corren replicados para poder tener la potencia necesaria en las
pruebas estadsticas sobre los efecto de inters.
Si se hacen n rplicas, el nmero total de corridas

experimentales es n(a b ).
Maestria UTB
2011
12 / 76
Modelo estadstico
El modelo para un diseo factorial con k rplicas es:
Yijk = + i + j + ()ij + ijk ;
Maestria UTB
(1)
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,
Maestria UTB
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,

: media global,
Maestria UTB
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,

: media global,
i : efecto medio sobre la respuesta Y debido al i-simo nivel del factor
A,
Maestria UTB
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,

: media global,
A,
j :efecto medio sobre la respuesta Y debido al j-simo nivel del factor
B,
Maestria UTB
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,

: media global,
A,
B,
()ij :efecto medio sobre la respuesta Y debido de interaccin de los
factores.
Maestria UTB
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,

: media global,
A,
B,
factores.
ijk :error aleatorio, ijk
independientes
Maestria UTB
N 0, 2 .
2011
13 / 76
Modelo estadstico
Yijk = + i + j + ()ij + ijk ;
(1)
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,

: media global,
A,
B,
factores.
a
Adems,
i =1
independientes
j =1
N 0, 2 .
()ij
i =1
Maestria UTB
()ij
= 0.
j =1
2011
13 / 76
Modelo estadstico
Si ambos factores son cuantitativos, se tiene el modelo de regresin

asociado:
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
Maestria UTB
(2)
2011
14 / 76
Modelo estadstico

asociado:
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
(2)
0 representa a la media general,
Maestria UTB
2011
14 / 76
Modelo estadstico

asociado:
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
(2)

1 es el efecto del factor X1 = A,
Maestria UTB
2011
14 / 76
Modelo estadstico

asociado:
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
(2)

2 el efecto del factor X2 = B
Maestria UTB
2011
14 / 76
Modelo estadstico

asociado:
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
(2)

12 representa el efecto de interaccin X1 X2 = AB.
Maestria UTB
2011
14 / 76
Modelo estadstico

asociado:
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
(2)

12 representa el efecto de interaccin X1 X2 = AB.
independientes
Maestria UTB
N 0, 2 .
2011
14 / 76
Modelo estadstico
Los modelos
Yijk = + i + j + ()ij + ijk ;
y
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
con los correspondientes parmetros miden ambos los mismos efectos,
pero no lo hacen en la mima escala.
Maestria UTB
2011
15 / 76
Modelo estadstico
Los modelos
Yijk = + i + j + ()ij + ijk ;
y
Yijk = 0 + 1 X1 + 2 X2 + 12 X1 X2 + ijk
con los correspondientes parmetros miden ambos los mismos efectos,
pero no lo hacen en la mima escala.
Los i representan pendientes de la supercie de respuesta en el
modelo de regresin y no desviaciones respecto a la media global
como los i y j del modelo lineal.
Maestria UTB
2011
15 / 76
Hipotesis a evaluar y anlisis de varianza
En un diseo factorial a
efectos A, B y AB.
Maestria UTB
b interesa estudiar los tres
2011
16 / 76
En un diseo factorial a
efectos A, B y AB.
b interesa estudiar los tres
Se pide probar las hiptesis siguientes:

H0 : Efecto A = 0
HA : Efecto A 6= 0
H0 : Efecto B = 0
HA : Efecto B 6= 0,
H0 : Efecto AB = 0
HA : Efecto AB 6= 0.
Maestria UTB
2011
16 / 76

En trminos de efectos:
H0 : 1 = 2 =
= a = 0
HA : i 6= 0 para algn i
H0 : 1 = 2 =
= b = 0
HA : j 6= 0 para algn j
H0 : ()ij = 0 para todo ij
HA : ()ij 6= 0 para algn ij.
Maestria UTB
2011
17 / 76

En trminos de efectos:
H0 : 1 = 2 =
= a = 0
HA : i 6= 0 para algn i
H0 : 1 = 2 =
= b = 0
HA : j 6= 0 para algn j
H0 : ()ij = 0 para todo ij
HA : ()ij 6= 0 para algn ij.
La variacin total se descompone como
SCT = SCA + SCB + SCAB + SCE
y los respectivos grados de libertad de cada una de ellas son:
nab
1 = (a
1) + (b
1) + (a
Maestria UTB
1)(b
1) + ab (n
1).
2011
17 / 76
La tabla Anova es:
Tabla 2
Variabilidad
Efecto A
Efecto B
Efecto AB
Error
Total
SC
SCA
SCB
SCAB
SCE
SCT
GL
a-1
b-1
(a-1)(b-1)
ab(n-1)
abn-1
CM
CMA
CMB
CMAB
CME
Maestria UTB
F0
valor-p
CMA
CME
CMB
CME
CMAB
CME
P (F > F A0 )
P (F > F B0 )
P (F > F AB
0 )
2011
18 / 76
La tabla Anova es:
Tabla 2
Variabilidad
Efecto A
Efecto B
Efecto AB
Error
Total
SC
SCA
SCB
SCAB
SCE
SCT
GL
a-1
b-1
(a-1)(b-1)
ab(n-1)
abn-1
CM
CMA
CMB
CMAB
CME
F0
valor-p
CMA
CME
CMB
CME
CMAB
CME
P (F > F A0 )
P (F > F B0 )
P (F > F AB
0 )
Si valor P < , el efecto del factor correspondiente es

estadsticamente signicativo y debe tomarse en cuenta en la
interpretacin de los resultados.
Maestria UTB
2011
18 / 76
Notacin de puntos para sumas y medias
Las notaciones usuales para sumas y totales
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Yi =
Yijk
j =1 k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Yi =
Yijk
Yj =
Yijk
j =1 k =1
a
n
i =1 k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Yi =
Yijk
Yj =
Yijk
j =1 k =1
a
n
i =1 k =1
n
Yij =
Yijk
k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Y
Y = abn
Yi =
Yijk
Yj =
Yijk
j =1 k =1
a
n
i =1 k =1
n
Yij =
Yijk
k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Y
Y = abn
Yi =
Yijk
Yj =
Yijk
Y i = Ybni ; i = 1, 2, ..., a
j =1 k =1
a
n
i =1 k =1
n
Yij =
Yijk
k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Y
Y = abn
Yi =
Yijk
Yj =
Y i = Ybni ; i = 1, 2, ..., a
j =1 k =1
a
n
Y j = anj ; j = 1, 2, ..., b
Yijk
i =1 k =1
n
Yij =
Yijk
k =1
Maestria UTB
2011
19 / 76

a
Y =
Yijk
i =1 j =1 k =1
b
Y
Y = abn
Yi =
Yijk
Yj =
Y i = Ybni ; i = 1, 2, ..., a
j =1 k =1
a
n
Y j = anj ; j = 1, 2, ..., b
Yijk
Y ij =
i =1 k =1
n
Yij =
Y ij
n
Yijk
k =1
Maestria UTB
2011
19 / 76
SCT =
Yijk2
Y2
abn
i =1 j =1 k =1
Maestria UTB
2011
20 / 76
SCT =
Yijk2
Y2
abn
i =1 j =1 k =1
SCA =
Y i2
bn
Y2
abn
i =1
Maestria UTB
2011
20 / 76
SCT =
Yijk2
Y2
abn
i =1 j =1 k =1
SCA =
Y i2
bn
Y2
abn
SCB =
Y 2j
an
Y2
abn
i =1
b
j =1
Maestria UTB
2011
20 / 76
SCT =
Yijk2
Y2
abn
Y2
abn
SCB
i =1 j =1 k =1
SCA =
Y i2
bn
Y2
abn
SCB =
Y 2j
an
Y2
abn
i =1
b
j =1
a
SCAB =
Y ij2
n
SCA
i =1 j =1
Maestria UTB
2011
20 / 76
SCT =
Yijk2
Y2
abn
Y2
abn
SCB
i =1 j =1 k =1
SCA =
Y i2
bn
Y2
abn
SCB =
Y 2j
an
Y2
abn
i =1
b
j =1
a
SCAB =
Y ij2
n
SCA
i =1 j =1
SCE = SCT
SCA
SCB
SCAB.
Maestria UTB
2011
20 / 76
Ejemplo de un diseo factorial
Consideremos un experimento en el que se quiere estudiar

el efecto de los factores velocidad de alimentacin y profundidad de
corte sobre el acabado de un metal. Aunque los factores son de
naturaleza continua, en este proceso slo se pueden trabajar en 3 y 4
niveles, respectivamente. Por ello, se decide correr un factorial
completo 4 3 con tres rplicas, que permitir obtener toda la
informacin relevante en relacin al efecto de estos factores sobre el
acabado. Aleatorizando las 36 pruebas se obtienen los datos en la
tabla 3 El acabado (Y ) est en unidades de gramos e interesa
minimizar su valor.
Maestria UTB
2011
21 / 76
Los datos aparecen acontinuacin

Tabla 3
B: veloc
0.20
0.25
0.30
A: Profundidad (pulg.)
0.15 0.18 0.21 0.24
74
79
82
99
64
68
88
104
60
73
92
96
92
98
99
104
86
104 108 110
88
88
95
99
99
104 108 114
98
99
110 111
102
95
99
107
Maestria UTB
2011
22 / 76
El modelo estadstico efectos para el diseo factorial 4

que est en la tabla 2, est dado por:
Maestria UTB
2011
23 / 76

Yijk = + i + j + ()ij + ijk
Maestria UTB
2011
23 / 76


i = 1, 2, 3, 4; j = 1, 2, 3; k = 1, 2, 3
Maestria UTB
2011
23 / 76


i = 1, 2, 3, 4; j = 1, 2, 3; k = 1, 2, 3
donde
Maestria UTB
2011
23 / 76


i = 1, 2, 3, 4; j = 1, 2, 3; k = 1, 2, 3
donde
i es el efecto medio del nivel i de la profundidad
Maestria UTB
2011
23 / 76


i = 1, 2, 3, 4; j = 1, 2, 3; k = 1, 2, 3
donde
j es el efecto medio del nivel j de la velocidad
Maestria UTB
2011
23 / 76


i = 1, 2, 3, 4; j = 1, 2, 3; k = 1, 2, 3
donde
()ij es efecto medio de la interaccin del nivel i de la profundidad y
del nivel j de la velocidad
Maestria UTB
2011
23 / 76


i = 1, 2, 3, 4; j = 1, 2, 3; k = 1, 2, 3
donde
()ij es efecto medio de la interaccin del nivel i de la profundidad y
del nivel j de la velocidad
ijk es el error aleatorio correspondiente a la medicin ij en la k sima
rplica
Maestria UTB
2011
23 / 76
Las hiptesis de inters para los tres factores en el modelo

anterior son:
Maestria UTB
2011
24 / 76

anterior son:
H0 : Efecto de profundidad (A) = 0
HA : Efecto de profundidad (A) 6= 0
Maestria UTB
2011
24 / 76

anterior son:
H0 : Efecto de velocidad (B ) = 0
HA : Efecto de velocidad (B ) 6= 0,
Maestria UTB
2011
24 / 76

anterior son:
H0 : Efecto de velocidad (B ) = 0
HA : Efecto de velocidad (B ) 6= 0,
H0 : Efecto de profundidad velocidad (AB ) = 0
HA : Efecto de profundidad velocidad (AB ) 6= 0
Maestria UTB
2011
24 / 76
y los datos aparecen en la siguiente tabla:

Tabla 3
B: veloc
0.20
0.25
0.30
Yi
0.15
74
64 198
60
92
86 266
88
99
98 299
102
763
A: Profundidad (pulg.)
0.18
0.21
0.24
79
82
99
68 220 88 262 104 299
73
92
96
98
99
104
104 290 108 302 110 313
88
95
99
104
108
114
99 298 110 317 111 332
95
99
107
808
881
944
Maestria UTB
Yj
979
1171
1246
Y =3396
2011
25 / 76
Realice los siguientes clculos
Maestria UTB
2011
26 / 76

a
SCT =
Yijk2
Y2
abn
i =1 j =1 k =1
Maestria UTB
2011
26 / 76

a
SCT =
SCA
Yijk2
Y2
abn
i =1 j =1 k =1
a
Y i2
Y2
=
bn
abn
i =1
Maestria UTB
2011
26 / 76

a
SCT =
SCA
SCB
Yijk2
Y2
abn
i =1 j =1 k =1
a
Y i2
Y2
=
bn
abn
i =1
b
Y 2j
Y2
=
an
abn
j =1
Maestria UTB
2011
26 / 76

a
SCT =
SCA
SCB
Yijk2
Y2
abn
i =1 j =1 k =1
a
Y i2
Y2
=
bn
abn
i =1
b
Y 2j
Y2
=
an
abn
j =1
SCAB =
Y ij2
n
Y2
abn
SCA
SCB
i =1 j =1
Maestria UTB
2011
26 / 76

a
SCT =
SCA
SCB
Y2
abn
Yijk2
i =1 j =1 k =1
a
Y i2
Y2
=
bn
abn
i =1
b
Y 2j
Y2
=
an
abn
j =1
SCAB =
Y ij2
n
Y2
abn
SCA
SCB
i =1 j =1
SCE = SCT
SCA
SCB
SCAB.
Maestria UTB
2011
26 / 76
y construya la tabla ANOVA
Maestria UTB
2011
27 / 76

Tabla 3. ANOVA
F.V
SC GL
B: veloc
A: profu
AB
Error
Total
CM
F0
valor-p
Maestria UTB
2011
27 / 76

Tabla 3. ANOVA
F.V
SC GL
B: veloc
A: profu
AB
Error
Total
CM
F0
valor-p
Del ANOVA que se concluye para los tres efectos A : vel, B : prof y
AB estn activos o inuyen en el acabado?.
Maestria UTB
2011
27 / 76
SCT =
Yijk2
3396 2
4 3 3=
6532.0
i =1 j =1 k =1
Maestria UTB
2011
28 / 76
SCT =
Yijk2
3396 2
4 3 3=
6532.0
i =1 j =1 k =1
SCA = 763
2 +808 2 +881 2 +944 2
3 3
Maestria UTB
3396 2
4 3 3
= 2125.1
2011
28 / 76
SCT =
Yijk2
3396 2
4 3 3=
6532.0
i =1 j =1 k =1
SCA = 763
2 +808 2 +881 2 +944 2
SCB = 979
3 3
2 +1171 2 +1246 2
4 3
3396 2
4 3 3
3396 2
4 3 3
Maestria UTB
= 2125.1
= 3160.5
2011
28 / 76
SCT =
Yijk2
3396 2
4 3 3=
6532.0
i =1 j =1 k =1
SCA = 763
2 +808 2 +881 2 +944 2
SCB = 979
SCAB
3 3
2 +1171 2 +1246 2
4 3
198 2 +220 2 + +332 2
=
3
3396 2
4 3 3
3396 2
4 3 3
3396 2
4 3 3
Maestria UTB
= 2125.1
= 3160.5
2125.1
3160.5 = 557.07
2011
28 / 76
SCT =
Yijk2
3396 2
4 3 3=
6532.0
i =1 j =1 k =1
SCA = 763
2 +808 2 +881 2 +944 2
SCB = 979
SCAB
2 +1171 2 +1246 2
4 3
198 2 +220 2 + +332 2
=
3
SCE = 6532.0
3396 2
4 3 3
3 3
2125.1
3396 2
4 3 3
3396 2
= 3160.5
2125.1
4 3 3
3160.5
= 2125.1
3160.5 = 557.07
557.07 = 689.33
Maestria UTB
2011
28 / 76
y la tabla ANOVA
Maestria UTB
2011
29 / 76
y la tabla ANOVA
Tabla 3. ANOVA
F.V
SC
B: veloc 3160.5
A: profu 2125.1
AB
557.07
Error
689.33
Total
6532.0
GL
2
3
6
24
35
CM
1580.25
708.37
92.84
28.72
F0
55.02
24.66
3.23
Maestria UTB
valor-p
0.0000
0.0000
0.018
2011
29 / 76
y la tabla ANOVA
Tabla 3. ANOVA
F.V
SC
B: veloc 3160.5
A: profu 2125.1
AB
557.07
Error
689.33
Total
6532.0
GL
2
3
6
24
35
CM
1580.25
708.37
92.84
28.72
F0
55.02
24.66
3.23
valor-p
0.0000
0.0000
0.018
Del ANOVA se concluye que los tres efectos A : vel, B : prof y AB

estn activos o inuyen en el acabado.
Maestria UTB
2011
29 / 76
Grco de interaccin
Dado que el efecto de interaccin AB resulta signicativo,

prcticamente toda la informacin relevante del experimento se puede
apreciar en su representacin grca (gura 4).
Maestria UTB
2011
30 / 76
Grco de interaccin
Dado que el efecto de interaccin AB resulta signicativo,

prcticamente toda la informacin relevante del experimento se puede
apreciar en su representacin grca (gura 4).
Figura 4
Efecto de Interaccin
Acabado
116
Profundidad
0.15
0.18
0.21
0.24
106
96
86
76
66
0.20
0.25
Velocidad
Maestria UTB
0.30
2011
30 / 76
Grco de interaccin
La signicancia de la interaccin detectada por el ANOVA se

observa en el hecho de que las lneas en la gura 4 no se mantienen
paralelas a lo largo de los niveles del factor A (tienen diferente
pendiente).
Maestria UTB
2011
31 / 76
Grco de interaccin

pendiente).
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,
Maestria UTB
2011
31 / 76
Grco de interaccin

pendiente).
peores acabados,
adems se ve que cuando se tiene velocidad alta (A+ ) el efecto de
profundidad es menor (vease la dispersin de las lneas en la gura
cuando la velocidad es alta).
Maestria UTB
2011
31 / 76
Grco de interaccin

pendiente).
peores acabados,
adems se ve que cuando se tiene velocidad alta (A+ ) el efecto de
profundidad es menor (vease la dispersin de las lneas en la gura
cuando la velocidad es alta).
Por tanto, las condiciones de operacin o tratamiento que convienen
es velocidad y profundidad bajas (A , B ).
Maestria UTB
2011
31 / 76
Comparaciones mltiples
Estas tcnicas se aplican en diseos factoriales en ms de dos

niveles en cada factor, para decidir en especco cules de los niveles
probados son estadsticamente diferentes entre s.
Maestria UTB
2011
32 / 76

Por facilidad, se notan los cuatro niveles de la profundidad (A) como
A1 , A2 , A3 y A4 y los cuatro niveles de la velocidad (B) como B1 , B2 ,
y B3 .
Maestria UTB
2011
32 / 76

y B3 .
Entonces, las de hiptesis para comparar las medias del factor
profundidad y velocidad son:
Maestria UTB
2011
32 / 76

y B3 .
H0 : A 1 = A 2
HA : A 1 6 = A 2
Maestria UTB
2011
32 / 76

y B3 .
H0 : A 1 = A 2
HA : A 1 6 = A 2
H0 :
HA :
A 1 = A 3
A 1 6 = A 2
Maestria UTB
2011
32 / 76

y B3 .
H0 : A 1 = A 2
HA : A 1 6 = A 2
H0 :
HA :
A 1 = A 3
A 1 6 = A 2
H :
H :
= A 4
6=
0
A1
Maestria UTB
2011
32 / 76

y B3 .
H0 : A 2 = A 3
HA : A 2 6 = A 3
H0 : A 1 = A 2
HA : A 1 6 = A 2
H0 :
HA :
A 1 = A 3
A 1 6 = A 2
H :
H :
= A 4
6=
0
A1
Maestria UTB
2011
32 / 76

y B3 .
H0 : A 2 = A 3
HA : A 2 6 = A 3
H0 : A 1 = A 2
HA : A 1 6 = A 2
H0 :
HA :
A 1 = A 3
A 1 6 = A 2
H :
H :
= A 4
6=
0
A1
H0 : A 2 = A 4
HA : A 2 6 = A 4
Maestria UTB
2011
32 / 76

y B3 .
H0 : A 2 = A 3
HA : A 2 6 = A 3
H0 : A 1 = A 2
HA : A 1 6 = A 2
H0 :
HA :
A 1 = A 3
A 1 6 = A 2
H :
H :
= A 4
6=
0
A1
H0 : A 2 = A 4
HA : A 2 6 = A 4
Maestria UTB
H0 : A 3 = A 4
H : 6=
2011
32 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
Maestria UTB
2011
33 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
H0 : B 1 = B 3
HA : B 1 6 = B 2
Maestria UTB
2011
33 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
H0 : B 1 = B 3
HA : B 1 6 = B 2
H0 : B 2 = B 3
HA : B 2 6 = B 3
Maestria UTB
2011
33 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
H0 : B 1 = B 3
HA : B 1 6 = B 2
H0 : B 2 = B 3
HA : B 2 6 = B 3
Usando el mtodo LSD,
se prueban las hiptesis
del factor A ignorando por
el momento la
interaccin.
Maestria UTB
2011
33 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
H0 : B 1 = B 3
HA : B 1 6 = B 2
H0 : B 2 = B 3
HA : B 2 6 = B 3
el momento la
interaccin.
Maestria UTB
La diferencia mnima
signicativa para
comparar los niveles i y l
del factor A, est dada
por
2011
33 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
H0 : B 1 = B 3
HA : B 1 6 = B 2
H0 : B 2 = B 3
HA : B 2 6 = B 3
el momento la
interaccin.
Maestria UTB
La diferencia mnima
signicativa para
por
LSD (A) = t/2,ab (n
r
1
1
CME
nA + nA
i
1)
2011
33 / 76
H0 : B 1 = B 2
HA : B 1 6 = B 2
H0 : B 1 = B 3
HA : B 1 6 = B 2
H0 : B 2 = B 3
HA : B 2 6 = B 3
el momento la
interaccin.
Maestria UTB
La diferencia mnima
signicativa para
por
LSD (A) = t/2,ab (n
r
1
1
CME
nA + nA
i
1)
LSD
q (A) = 2.064
2
9 28.72 = 5.21
2011
33 / 76
donde nA i , nA l son el total de observaciones en el nivel i y l del factor
A, que se est comparando.
Maestria UTB
2011
34 / 76
Como el diseo es balanceado con cuatro niveles para el factor A,
nA i = nA l = abn 4 = 9
Maestria UTB
2011
34 / 76
nA i = nA l = abn 4 = 9
Tabla
Factor A
0.15
0.18
0.21
0.24
4. LSD (sin interaccin)

ni LS Mean
Grupos
9
84, 7778 X
9
89, 7778 X
9
97, 8889
X
9
104, 889
X
Maestria UTB
2011
34 / 76
nA i = nA l = abn 4 = 9
Tabla
Factor A
0.15
0.18
0.21
0.24

ni LS Mean
Grupos
9
84, 7778 X
9
89, 7778 X
9
97, 8889
X
9
104, 889
X
Donde slo la primera diferencia resulta no signicativa, es decir, se

acepta
Maestria UTB
2011
34 / 76
nA i = nA l = abn 4 = 9
Tabla
Factor A
0.15
0.18
0.21
0.24

ni LS Mean
Grupos
9
84, 7778 X
9
89, 7778 X
9
97, 8889
X
9
104, 889
X

acepta
H0 : A 1 = A 2 ;
Maestria UTB
2011
34 / 76
nA i = nA l = abn 4 = 9
Tabla
Factor A
0.15
0.18
0.21
0.24

ni LS Mean
Grupos
9
84, 7778 X
9
89, 7778 X
9
97, 8889
X
9
104, 889
X

acepta
H0 : A 1 = A 2 ;
en las cinco comparaciones restantes se rechaza H0 .
Maestria UTB
2011
34 / 76
grcas de medias
Las mismas conclusiones para ambos factores se observan en

las grcas de medias de la gura 5a y gura 5b, donde no se toma
en cuenta el efecto de iteraccin detectado en el ANOVA
Figura 5a
Graficas de medias: Factor A
112
Acabado
107
102
97
92
87
82
0.15
0.18
0.21
0.24
Profundidad
Maestria UTB
2011
35 / 76
Figura 5b
Grafica de medias: Factor B
109
Acabado
104
99
94
89
84
79
0.20
0.25
Velocidad
Maestria UTB
0.30
2011
36 / 76
Figura 5b
109
Acabado
104
99
94
89
84
79
0.20
0.25
Velocidad
0.30
Del anlisis que ignora el efecto de interaccin se concluy que

A 2 6 = A 3 ; A 2 6 = A 4 ; A 3 6 = A 4
Maestria UTB
2011
36 / 76
Figura 5b
109
Acabado
104
99
94
89
84
79
0.20
0.25
Velocidad
0.30
Del anlisis que ignora el efecto de interaccin se concluy que

A 2 6 = A 3 ; A 2 6 = A 4 ; A 3 6 = A 4
las tres ltimas profundidades son diferentes entre si.
Maestria UTB
2011
36 / 76
Tomando en cuenta la interaccin
Esta conclusin cambia al tomar en cuenta que el factor

velocidad interacta con la profundidad.
Maestria UTB
2011
37 / 76
Esta conclusin cambia al tomar en cuenta que el factor

velocidad interacta con la profundidad.
Si observamos el efecto de interaccin en la gura 4, es fcil notar
que las medias de las tres ltimas profundidades estn ms cercanas
entre s cuando la velocidad est en su nivel intermedio que cuando
est en su nivel bajo.
Figura 4
Acabado
116
Profundidad
0.15
0.18
0.21
0.24
106
96
86
76
66
0.20
0.25
Velocidad
Maestria UTB
0.30
2011
37 / 76
Vemoslo de manera analtica en la velocidad intermedia (B)

, donde las medias muestrales del factor A : prof en la velocidad
intermedia son (Tabla 2)
Maestria UTB
2011
38 / 76

Y 12 = 266
3 = 88.66;
Maestria UTB
2011
38 / 76

Y 12 = 266
3 = 88.66;
Y 22 = 290
3 = 96.66;
Maestria UTB
2011
38 / 76

Y 12 = 266
3 = 88.66;
Y 22 = 290
3 = 96.66;
Y 32 = 302
3 = 100.66;
Maestria UTB
2011
38 / 76

Y 12 = 266
3 = 88.66;
Y 22 = 290
3 = 96.66;
Y 32 = 302
3 = 100.66;
313
Y 42 = 3 = 104.33.
Maestria UTB
2011
38 / 76

Y 12 = 266
3 = 88.66;
Y 22 = 290
3 = 96.66;
Y 32 = 302
3 = 100.66;
313
Y 42 = 3 = 104.33.
Entonces para comparar estas medias, la diferencia mnima
signicativa est dada por
s
1 1
LSDB2 (A) = t/2,ab (n 1 )
+
CME
n n
s
2
28.72 = 9, 03
= 2.064
3
Maestria UTB
2011
38 / 76
Note que la diferencia entre esta expresin para la LSD y la

que no toma en cuenta la interaccin, est precisamente en el factor
dentro de la raz cuadrada que acompaa al CME, ya que ah se
anota el inverso del nmero de observaciones con los que se
construyeron las medias muestrales con las que se calculan las
diferencias. En el ejemplo n = 3
Maestria UTB
2011
39 / 76
Note que la diferencia entre esta expresin para la LSD y la

que no toma en cuenta la interaccin, est precisamente en el factor
dentro de la raz cuadrada que acompaa al CME, ya que ah se
anota el inverso del nmero de observaciones con los que se
construyeron las medias muestrales con las que se calculan las
diferencias. En el ejemplo n = 3
Tabla 5. LSD (con interaccin)
Factor A ni LS Mean Grupos
Y 12
9
88.66
X
Y 22
9
96.66
X X
Y 32
9
100.66
X
Y 42
9
104, 33
X
Maestria UTB
2011
39 / 76

Tomando en cuenta el efecto de interaccin AB se concluye que las
tres profundidades mayores son estadsticamente iguales en nivel
intermedio de la velocidad, lo contrario a lo que se haba concluido en
el anlisis que ignora el efecto de interaccin.
Maestria UTB
2011
40 / 76

Tomando en cuenta el efecto de interaccin AB se concluye que las
tres profundidades mayores son estadsticamente iguales en nivel
intermedio de la velocidad, lo contrario a lo que se haba concluido en
el anlisis que ignora el efecto de interaccin.
La grca de interaccin con intervalos LSD sobrepuestos se muestra
en la gura 7.
Figura 7
121
Profundidad
0.15
0.18
0.21
0.24
Acabado
111
101
91
81
71
61
0.20
0.25
Velocidad
Maestria UTB
0.30
2011
40 / 76
Diseos factoriales con tres factores
Cuando se tienen tres factores (A, B y C) y el nmero de

niveles de prueba en cada uno de ellos son a, b y c, se puede
construir el arreglo factorial a b c que consiste de a b c
tratamientos o puntos experimentales.
Maestria UTB
2011
41 / 76

Entre los arreglos de este tipo que se utilizan con frecuencia en
aplicaciones diversas se encuentran:
Maestria UTB
2011
41 / 76

el factorial 23 ,
Maestria UTB
2011
41 / 76

el factorial 23 ,
el factorial 33
Maestria UTB
2011
41 / 76

el factorial 23 ,
el factorial 33
y los factoriales mixtos con no ms de cuatro niveles en dos de los
factores,
Maestria UTB
2011
41 / 76

el factorial 23 ,
el factorial 33
y los factoriales mixtos con no ms de cuatro niveles en dos de los
factores,
por ejemplo, el factorial 4
dos de ellos.
Maestria UTB
3 el factorial 4 x 4 x 2, por mencionar
2011
41 / 76
Modelo estadstico:
Yijkl = + i + j + k + ()ij + ()ik + ( )jk + ()ijk + ijkl
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
es la media general,
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
i es el efecto del nivel i-simo del factor A,
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
j es el efecto del nivel j del factor B
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
k es el efecto del nivel k en el factor
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
()ij , ()ik , y ( )jk representan los efectos de interacin dobles
(de dos factores) en los niveles ij, ik, jk, respectivamente,
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
()ijk es el efecto de interaccin triple en la combinacin o punto
ijk;
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
ijk;
ijkl , representa el error aleatorio en la combinacin ijkl y l son las
repeticiones o rplicas del experimento.
Maestria UTB
2011
42 / 76
Modelo estadstico:
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., c; l = 1, 2, ..., n
ijk;
repeticiones o rplicas del experimento.
Todos los efectos son desviaciones respecto a la media general.

Maestria UTB
2011
42 / 76
El estudio factorial de tres factores permite investigar los

efectos: A, B, C, AB, AC, BC y ABC.
Maestria UTB
2011
43 / 76

Si un factor se prueba en dos niveles, todo su efecto marginal 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.
Maestria UTB
2011
43 / 76

Las siete hiptesis nulas a probar son
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
H0 : Efecto C = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
H0 : Efecto C = 0,
H0 : Efecto AB = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
H0 : Efecto C = 0,
H0 : Efecto AB = 0,
H0 : Efecto AC = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
H0 : Efecto C = 0,
H0 : Efecto AB = 0,
H0 : Efecto AC = 0,
H0 : Efecto BC = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
H0 : Efecto C = 0,
H0 : Efecto AB = 0,
H0 : Efecto AC = 0,
H0 : Efecto BC = 0,
H0 : Efecto ABC = 0,
Maestria UTB
2011
43 / 76


H0 : Efecto A = 0,
H0 : Efecto B = 0,
H0 : Efecto C = 0,
H0 : Efecto AB = 0,
H0 : Efecto AC = 0,
H0 : Efecto BC = 0,
H0 : Efecto ABC = 0,
cada una aparejada con su correspondiente hiptesis alternativa. El
ANOVA para probar estas hiptesis se muestra en la tabla 5.
Maestria UTB
2011
43 / 76
Anova para un diseo de tres factores
Tabla 6. Anova para un diseo de tres factores.

variabilidad
Efecto A
Efecto B
Efecto C
Efecto AB
Efecto AC
Efecto BC
Efecto ABC
Error
Total
SC
SCA
SCB
SCC
SCAB
SCAC
SCBC
SCABC
SCE
SCT
GL
a-1
b-1
c-1
(a-1)(b-1)
(a-1)(c-1)
(b-1)(c-1)
(a-1)(b-1)(c-1)
abc(n-1)
abcn-1
CM
CMA
CMB
CMC
CMAB
CMAC
CMBC
CMABC
CME
Maestria UTB
F0
valor-p
CMA
CME
CMB
CME
CMC
CME
CMAB
CME
CMAC
CME
CMBC
CME
CMABC
CME
P (F > F A0 )
P (F > F B0 )
P (F > F C0 )
P (F > F AB
0 )
P (F > F AC
0 )
P (F > F BC
0 )
P (F > F ABC
)
0
2011
44 / 76
SCT =
2
Yijkl
Y2
N
i =1 j =1 k =1 l =1
Maestria UTB
2011
45 / 76
SCT =
2
Yijkl
Y2
N
i =1 j =1 k =1 l =1
b
SCB =
Y 2j
acn
Y2
N
j =1
Maestria UTB
2011
45 / 76
SCT =
2
Yijkl
Y2
N
i =1 j =1 k =1 l =1
b
SCB =
Y 2j
acn
SCA =
Y i2
bcn
Y2
N
i =1
Y2
N
j =1
Maestria UTB
2011
45 / 76
SCT =
2
Yijkl
Y2
N
SCA =
i =1
c
i =1 j =1 k =1 l =1
b
SCB =
Y 2j
acn
SCC =
Y2
N
Y i2
bcn
Y 2k
acn
Y2
N
Y2
N
k =1
j =1
Maestria UTB
2011
45 / 76
SCT =
2
Yijkl
SCA =
Y2
N
i =1
c
i =1 j =1 k =1 l =1
b
SCB =
Y 2j
acn
SCC =
Y2
N
Y i2
bcn
Y 2k
acn
Y2
N
Y2
N
k =1
j =1
SCAB =
Y ij2
cn
Y2
N
SCA
SCB
i =1 j =1
Maestria UTB
2011
45 / 76
SCT =
2
Yijkl
SCA =
Y2
N
i =1
c
i =1 j =1 k =1 l =1
b
Y 2j
acn
SCB =
SCC =
Y2
N
Y i2
bcn
Y 2k
acn
Y2
N
Y2
N
k =1
j =1
SCAB =
Y ij2
cn
Y2
N
SCA
SCB
i =1 j =1
b
SCBC =
Y 2jk
an
Y2
N
SCB
SCC
j =1 k =1
Maestria UTB
2011
45 / 76
SCT =
2
Yijkl
SCA =
Y2
N
i =1
c
i =1 j =1 k =1 l =1
b
Y 2j
acn
SCB =
SCC =
Y2
N
Y i2
bcn
Y 2k
acn
Y2
N
Y2
N
k =1
j =1
SCAB =
Y ij2
cn
Y2
N
SCA
SCB
i =1 j =1
b
SCBC =
Y 2jk
an
Y2
N
SCB
SCC
SCAC =
Y i2k
bn
Y2
N
SCA
SCC
j =1 k =1
a
c
i =1 k =1
Maestria UTB
2011
45 / 76
SCABC
i =1 j =1 k =1
SCAB
2
Yijk
Y2
N
SCAC
Maestria UTB
SCBC
SCA
SCB
SCC
2011
46 / 76
SCABC
2
Yijk
i =1 j =1 k =1
SCE
Y2
N
SCAB
SCAC
SCT
SCABC
SCBC
SCA
SCB
SCC
=
SCAC
SCBC
Maestria UTB
SCAB
SCA
SCB
SCC
2011
46 / 76
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 2 2 con seis rplicas, y
las observaciones obtenidas en las 72 corridas experimentales se
muestran en la siguiente tabla:
Maestria UTB
2011
47 / 76
A1
Tabla 7
C1
60
86
55
55
C2
C1
C2
70
76
52
52
B1
71
68
51
48
B1
75
70
53
55
A2
B2
75
70
53
55
A3
67
67
52
52
73
68
52
54
73
68
57
54
62
76
44
48
B1
68
65
44
48
B2
65
65
45
45
71
72
60
67
80
80
60
67
80
80
60
65
B2
75
73
50
54
75
75
56
59
75
75
55
50
75
77
57
55
Maestria UTB
2011
48 / 76
Modelo estadstico:
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
i es el efecto medio sobre el voumen de sedimentacin del nivel
i-simo del factor Tipo de suspensin
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
j es el efecto medio sobre el voumen de sedimentacin del nivel j del
factor Abertura de Malla
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
k es el efecto medio sobre el voumen de sedimentacin del nivel k en
el factor Temperatura de ciclaje
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
ijk;
Maestria UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
ijk;
repeticiones
o rplicas del Maestria
experimento.
UTB
2011
49 / 76
Modelo estadstico:
i = 1, 2; j = 1, 2.; k = 1, 2; l = 1, 2,
ijk;
repeticiones
experimento.
UTB
2011
49 / 76
Tabla 8. ANOVA Volumen de sedimentacin

variabilidad
A:Tipo de suspensi
B: Abertura de mall
C: Temperatura
Efecto AB
Efecto AC
Efecto BC
Efecto ABC
Error
Total
SC
13,8611
480,5
6086,72
788,25
40,8611
56,8889
31,0278
841,667
8339,78
GL
2
1
1
2
2
1
2
60
71
Maestria UTB
CM
6.93056
480.5
6086.72
394,125
20,4306
56,8889
15,5139
14,0278
F0
0.49
34.25
433, 90
28,10
1,46
4,04
1,11
valor-p
0.6126
0.0000
0.0000
0.0000
0,2412
0,0485
0,3375
2011
50 / 76
La tabla 8, nos muestra la Anova para el volumen de

sedimentacin, de la cual se puede concluir que los factores B y C son
estadsticamente signicativos junto con las interacciones AB y BC.
Maestria UTB
2011
51 / 76

El factor C no es estadisticamente signicativo al igual que las
interacciones AC y ABC.
Maestria UTB
2011
51 / 76

El factor C no es estadisticamente signicativo al igual que las
interacciones AC y ABC.
Las interacciones cuyos efectos no son signicativos se pueden excluir
del Anova
Maestria UTB
2011
51 / 76
La tabla 9 muestra el mejor Anova para este experimento, el

efecto de la interaccin BC se muestra poco signicativa pero no es
suciente para excluirla del modelo.
Tabla 9. ANOVA Volumen de sedimentacin
variabilidad
A:Tipo de suspensi
B: Abertura de mall
C: Temperatura
Efecto AB
Efecto BC
Error
Total
SC
13,8611
480,5
6086,72
788,25
56,8889
913,556
8339,78
GL
2
1
1
2
1
64
71
Maestria UTB
CM
6.93056
480.5
6086.72
394,125
56,8889
14,2743
F0
0.49
34.66
426, 41
27,61
3.99
valor-p
0.6176
0.0000
0.0000
0.0000
0,0502
2011
52 / 76
Ejemplo 2 de un diseo de tres factores
El camarn Caf de California desova en el mar y los huevos

se transforman en larva mientras son transportados a la costa, pasada
la etapa larvataria entran en los estuarios, donde crecen con rpidez y
se convierten en pre-adultos que emigran de nuevo al mar para
alcanzar ah su madurez sexual. Como resultado de sus migraciones,
el camarn encuentra una amplia variacin de la temperatura y
salinidad durante su ciclo de vida, por lo que es de gran importancia
conocer como afectan su crecimiento para entender su vida y
ecologa. Cuando se realiz este experimento haba un gran inters en
el cultivo comercial del camarn y, desde el punto de vista de la
acuacultura, otro factor importante era la densidad de
almacenamiento en los tanques de cultivo, ya que esta afecta la
competencia entre los ejemplares.
Maestria UTB
2011
53 / 76
Ejemplo de un diseo de tres factores

Objetivo de la investigacin
Los investigadores desean conocer como inuyen:
Maestria UTB
2011
54 / 76


la temperatura (T ) ,
Maestria UTB
2011
54 / 76


salinidad del agua (S ) ,
Maestria UTB
2011
54 / 76


la densidad de poblacin (D )
Maestria UTB
2011
54 / 76


en la tasa de crecimiento de los camarones cultivados en acuarios (Y )

y si estos factores actan independientemente sobre la poblacin.
Maestria UTB
2011
54 / 76


en la tasa de crecimiento de los camarones cultivados en acuarios (Y )

y si estos factores actan independientemente sobre la poblacin.
Niveles de los factores:
T : Temperatura (grados)
S : Salinidad del agua
D : Densidad de poblacin (cant/40 litros)
Maestria UTB
25o C
10%
80
35o C
25%
160
40%
2011
54 / 76
Modelo estadstico
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
i es el efecto medio sobre la tasa de crecimiento del nivel i-simo del
factor Temperatura,
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
factor Temperatura,
j es el efecto medio sobre la tasa de crecimiento del nivel j del factor
Salinidad del agua
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
factor Temperatura,
Salinidad del agua
k es el efecto medio sobre la tasa de crecimiento del nivel k en el
factor Densidad de poblacin
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
factor Temperatura,
Salinidad del agua
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
factor Temperatura,
Salinidad del agua
ijk;
Maestria UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
factor Temperatura,
Salinidad del agua
ijk;
repeticiones
experimento.
UTB
2011
55 / 76
Modelo estadstico
i = 1, 2; j = 1, 2, 3.; k = 1, 2; l = 1, 2, 3
factor Temperatura,
Salinidad del agua
ijk;
repeticiones
experimento.
UTB
2011
55 / 76
Datos
Tabla7
D1 =80
D2 =160
T1 =25o C
S1 =10 S2 =25 S3 =40
86
52
73
53
73
86
544
371
482
393
398
208
390
290
397
249
265
243
T2 =35o C
S1 =10 S2 =25 S3 =40
439
436
349
324
305
364
Maestria UTB
249
245
330
352
267
316
247
277
205
188
223
281
2011
56 / 76

Tabla Anova
La tabla Anova para la tasa de crecimiento de los camarones

cultivados en acuarios se muestra acontinuacin
Maestria UTB
2011
57 / 76

Interpretaciones
La tabla Anova revela que los tres factores en estudio:

temperatura (T ) , salinidad del agua (S ) ,la densidad de poblacin
(D ) tienen efectos estadsiticamente signicativos en la a tasa de
crecimiento de los camarones cultivados en acuarios (Y ) ,
Maestria UTB
2011
58 / 76

Interpretaciones

Se observa que la interaccin de los los tres factores ha resultado
signicativo lo cual implica que la interaccin entre dos de ellos no es
constante para los niveles del tercer factor.
Maestria UTB
2011
58 / 76

Interpretaciones

Se observa que la interaccin de los los tres factores ha resultado
signicativo lo cual implica que la interaccin entre dos de ellos no es
constante para los niveles del tercer factor.
La interaccin TS ha resultado muy signicativa y ser usada para
elegir el mejor tratamiento, donde se observa que el mayor aumento
en el peso de los camarones corresponde al nivel de temperatura 25o
y de salinidad correspondiente al 25%
Maestria UTB
2011
58 / 76

Grco de interacciones
Maestria UTB
2011
59 / 76

Grco de medias
Maestria UTB
2011
60 / 76

Grco de medias
En el grco de medias para el factor Densidad se observa

que para el nivel de 80 camarones/40 litros, se tiene el mayor
aumento de peso.
Maestria UTB
2011
61 / 76

Grco de medias
En el grco de medias para el factor Densidad se observa

que para el nivel de 80 camarones/40 litros, se tiene el mayor
aumento de peso.
El mejor punto de diseo se obtiene para el aumento de peso se tiene
en la combinacin
T : Temperatura (grados)
S : Salinidad del agua
D : Densidad de poblacin (cant/40 litros)
Maestria UTB
25o C
25%
80
2011
61 / 76

Prueba de independencia
Maestria UTB
2011
62 / 76

Prueba de independencia
El graco no revela complicaciones con la independencia de las

Maestria UTB
2011
observaciones
62 / 76

Prueba de normalidad
Maestria UTB
2011
63 / 76

Prueba de normalidad
No se observa que se viole el principio de normalidad para los residuos.

Maestria UTB
2011
63 / 76
Modelo con efectos mixtos y aleatorios
En un diseo experimental, cuando los niveles de un factor

son elegidos de una gran poblacin de niveles se dice que los efectos
con los que contribuye son aleatorios en vez de jos.
Maestria UTB
2011
64 / 76
En un diseo experimental, cuando los niveles de un factor

son elegidos de una gran poblacin de niveles se dice que los efectos
con los que contribuye son aleatorios en vez de jos.
Si ambos factores contribuyen con efectos aleatorios, el

modelo se denomina de efectos aleatorios, mientras que si un factor
est jo y el otro es aleatorio, resulta un modelo de efectos mixtos.
Maestria UTB
2011
64 / 76
Consideremos el diseo de efectos mixtos donde el factor A

es el factor de efectos jos y B es el factor de efectos aleatorios.
Maestria UTB
2011
65 / 76

El modelo matemtico es el siguiente:
Maestria UTB
2011
65 / 76

Yijk = + i + Bj + (B )ij + ijk
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
i : efecto medio debido al i-simo tratamiento
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Tambin i = 0,
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Tambin i = 0,
las Bj
N 0, 2B independientes,
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Tambin i = 0,
las Bj
(B )ij N 0, 2B independientes,
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Tambin i = 0,
las Bj
ijk
N 0, 2 independientes.
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Tambin i = 0,
las Bj
ijk
Este modelo se conoce como modelo irrestricto.
Maestria UTB
2011
65 / 76

i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n
: media global
Tambin i = 0,
las Bj
ijk
Este modelo se conoce como modelo irrestricto.
Un modelo restringuido alternativo requiere i (B )ij = 0 para cada
j de manera que las (B )ij ya no son independientes.
Maestria UTB
2011
65 / 76
Hiptesis de inters en modelos con efectos mixtos y

aleatorios
Las hiptesis que se prueban son
Maestria UTB
2011
66 / 76

aleatorios

H0A : Efecto A = 0 contra H1A : Efecto A 6= 0
Maestria UTB
2011
66 / 76

aleatorios

H0B : 2B = 0 contra H1B : 2B > 0
Maestria UTB
2011
66 / 76

aleatorios

H0B : 2B = 0 contra H1B : 2B > 0
H0 B : 2B = 0 contra H1 B : 2B > 0
Maestria UTB
2011
66 / 76

aleatorios

H0B : 2B = 0 contra H1B : 2B > 0
H0 B : 2B = 0 contra H1 B : 2B > 0
Se acostumbra probar H0A y H0B slo si no se puede rechazar

la hiptesis de ninguna interaccin H0B .
Maestria UTB
2011
66 / 76

aleatorios
La suma de los cuadrados importantes y los cuadrados

medios para los procedimientos de prueba se denen y calculan del
mismo modo que para el caso de efectos jos.
Maestria UTB
2011
67 / 76

aleatorios

Los cuadrados medios esperados para el modelo mixto son:
Maestria UTB
2011
67 / 76

aleatorios

E (CME ) = 2
Maestria UTB
2011
67 / 76

aleatorios

E (CME ) = 2
E (CMA) = 2 + n2B +
bn
a 1
i =1 2i
Maestria UTB
2011
67 / 76

aleatorios

E (CME ) = 2
a
E (CMA) = 2 + n2B + abn1 i =1 2i
E (CMB ) = 2 + n2B + an2B
Maestria UTB
2011
67 / 76

aleatorios

E (CME ) = 2
a
E (CMA) = 2 + n2B + abn1 i =1 2i
E (CMB ) = 2 + n2B + an2B
E (CMAB ) = 2 + n2B
Maestria UTB
2011
67 / 76

aleatorios
De los cuadrados medios esperados se tiene que la tabla

Anova para el diseo mixto es:
Tabla. Anova para un diseo de efectos mixtos.
variabilidad SC
GL
CM
F0
CMA
Efecto A
SCA
a-1
CMA
CMAB
CMB
Efecto B
SCB
b-1
CMB
CMAB
Efecto AB
SCAB (a-1)(b-1) CMAB CMAB
CME
Error
SCE
ab(n-1)
CME
Total
SCT
abn-1
Maestria UTB
valor-p
P (F > F A0 )
P (F > F B0 )
P (F > F AB
0 )
2011
68 / 76
Ejemplo de un diseo bifactorial de efectos mixtos
Diseo bifactorial de efectos mixtos. Un ingeniero de

procesos ha identicado dos posibles causas de vibracin del motor
elctrico: El material usado para la cubierta del motor (factor A) y la
fuente de suministro de cojinetes usados en el motor (factor B). Los
datos siguientes acerca de la cantidad de vibracin (micras) resultaron
de un experimento en el que los motores con cubiertas hechas de
acero, aluminio y plstico se construyeron con cojinetes provenientes
de cinco fuentes seleccionadas al azar. Slo tres materiales de la
cubierta utilizados en el experimento se consideran para usarlos en la
produccin, de modo que el factor A es jo. Sinembargo, las cinco
fuentes de suministro se seleccionaron al azar de una poblacin
mucho ms grande, por lo tanto el factor B es aleatorio.
Maestria UTB
2011
69 / 76
Tabla de datos
Material
Acero
Aluminio
Plstico
1
13.1
13.2
15.0
14.8
14.0
14.3
Fuentes
2
16.3
15.8
15.7
16.4
17.2
16.7
Maestria UTB
de suministro
3
4
13.7 15.7
14.3 15.8
13.9 13.7
14.3 14.2
12.4 14.4
12.3 13.9
5
13.5
12.5
13.4
13.8
13.2
13.1
2011
70 / 76
Variable respuesta: cantidad de vibracin, en micras, de un

motor
Maestria UTB
2011
71 / 76

motor
Factores :
Maestria UTB
2011
71 / 76

motor
Factores :
A:=Material usado para la cubierta del motor.
Maestria UTB
2011
71 / 76

motor
Factores :
Es un factor de efectos jos con tres niveles: acero, aluminio y plstico.
Maestria UTB
2011
71 / 76

motor
Factores :
Factor B: suministro de cojinetes,
Maestria UTB
2011
71 / 76

motor
Factores :

factor de efectos aleatorios con cinco niveles
Maestria UTB
2011
71 / 76

motor
Factores :

Modelo
Maestria UTB
2011
71 / 76

motor
Factores :

Modelo
Yijk = + i + Bj + (B )ij + ijk , i = 1, 2, 3; j = 1, ..., 5;
Maestria UTB
2011
71 / 76

motor
Factores :

Modelo
i = 0 y las Bj N 0, 2B independientes, (B )ij N 0, 2B
independientes, ijk
Maestria UTB
2011
71 / 76

motor
Factores :

Modelo
i = 0 y las Bj N 0, 2B independientes, (B )ij N 0, 2B
independientes, ijk
Yijk =: k-sima cantidad de vibracin de la j-sima fuente de
suministro con el i-simo material.
Maestria UTB
2011
71 / 76
La pregunta a responder en este diseo es: Puede la fuente

de suministro de un material afectar la vibracin de un motor? La
cual se responde resolviendo el siguiente contraste
H0A
H0B
H0B
: Efecto A = 0 contra H1A : Efecto A 6= 0

: 2B = 0 contra H1B : 2B > 0
: 2B = 0 contra H1B : 2B > 0
Maestria UTB
2011
72 / 76
La tabla Anova para este diseo
Maestria UTB
2011
73 / 76
Se concluye con nivel de conanza de 95% que hay evidencia

suciente para armar que la interaccin entre el material y la fuente
de suministro es estadsticamente signicativo.
Maestria UTB
2011
73 / 76
Se concluye con nivel de conanza de 95% que hay evidencia

suciente para armar que la interaccin entre el material y la fuente
de suministro es estadsticamente signicativo.
Aunque los diferentes materiales de la cubierta al parecer no afectan
la vibracin del motor.
Maestria UTB
2011
73 / 76
La estimacin de la componente de la varianza del modelo se obtiene

apartir de las expresiones de los cuadrados medios:
Maestria UTB
2011
74 / 76

E (CME ) = 2
Maestria UTB
2011
74 / 76

E (CME ) = 2
E (CMA) =
a
2 + 22B + 5 i =1 2i
Maestria UTB
2011
74 / 76

E (CME ) = 2
E (CMA) =
a
2 + 22B + 5 i =1 2i
E (CMB ) =
2 + 22B + 62B
Maestria UTB
2011
74 / 76

E (CME ) = 2
E (CMA) =
a
2 + 22B + 5 i =1 2i
E (CMB ) =
2 + 22B + 62B
E (CMAB ) = 2 + 22B
Maestria UTB
2011
74 / 76

E (CME ) = 2
b2 = CME = 0.111333
E (CMA) =
a
2 + 22B + 5 i =1 2i
E (CMB ) =
2 + 22B + 62B
E (CMAB ) = 2 + 22B
Maestria UTB
2011
74 / 76

E (CME ) = 2
b2 = CME = 0.111333
b2B = CMB 6CMAB =
9.16867 1.45067
= 1.28633
6
E (CMA) =
a
2 + 22B + 5 i =1 2i
E (CMB ) =
2 + 22B + 62B
E (CMAB ) = 2 + 22B
Maestria UTB
2011
74 / 76

E (CME ) = 2
b2 = CME = 0.111333
b2B = CMB 6CMAB =
9.16867 1.45067
= 1.28633
6
E (CMA) =
a
2 + 22B + 5 i =1 2i
E (CMB ) =
2 + 22B + 62B
CMAB CME
=
2
1.45067 0.111333
=
0.66967
2
2B =
E (CMAB ) = 2 + 22B
Maestria UTB
2011
74 / 76
Usando Statgraphics
Maestria UTB
2011
75 / 76
MONTGOMERY C. DOUGLAS. Diseo y Anlisis de Experimentos.

Segunda Edicin. LIMUSA WILEY
GUTIERREZ H y DE LA VARA R. Anlisis y Diseo de Experimentos.
Segunda Edicin. Mc Graw Hill.
KUEHL ROBERT. Diseo de Experimentos. Segunda Edicin.
Thomson.
VICENTE M, GIRON P, NIETO C, PREZ T. Diseo de
Experimentos. Pearson Prentice Hall.
DEVORE JAY. Probabilidad y Estadstica para Ingeniera y Ciencias.
Sexta Edicin.
WALPOLE MYERS. Probabilidad y Estadstica. Cuarta Edicin. Mc
Graw Hill.
Maestria UTB
2011
76 / 76
Maestria UTB
2011
76 / 76

Diseños Factoriales

Загружено:

Сведения о документе

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

Diseños Factoriales

Загружено:

Авторское право:

Доступные форматы

Diseo Factoriales

Msc. Julio Hurtado Msc. Roberto Gomez

Acreditada Institucionalmente (UTB)

Acreditada Institucionalmente (UTB)

Competencias para esta unidad

Diferenciar los modelos, las hiptesis y la interpretacin de

Acreditada Institucionalmente (UTB)

Competencias para esta unidad

Diferenciar los modelos, las hiptesis y la interpretacin de

Construir diseos factoriales con factores de efectos jos y/o

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

En muchos procesos, se estudia la inuencia varios factores

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

En muchos procesos, se estudia la inuencia varios factores

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

En muchos procesos, se estudia la inuencia varios factores

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

En muchos procesos, se estudia la inuencia varios factores

Estos diseos experimentales son los llamados diseos

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

El objetivo de un diseo factorial es estudiar el efecto de

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

Los factores pueden ser de tipo:

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

Los factores pueden ser de tipo:

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

Los factores pueden ser de tipo:

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

Los factores pueden ser de tipo:

Para poder estudiar la manera en como inuye cada factor

Acreditada Institucionalmente (UTB)

Conceptos bsicos en diseos factoriales

Los factores pueden ser de tipo:

Para poder estudiar la manera en como inuye cada factor

Un diseo de experimentos factorial o arreglo factorial es el

Acreditada Institucionalmente (UTB)

Un diseo de experimentos factorial o arreglo factorial es el

Acreditada Institucionalmente (UTB)

Un diseo de experimentos factorial o arreglo factorial es el

Acreditada Institucionalmente (UTB)

Un diseo de experimentos factorial o arreglo factorial es el

Acreditada Institucionalmente (UTB)

Un diseo de experimentos factorial o arreglo factorial es el

Familia de diseos factoriales

La familia de diseos factoriales 2k consiste de k factores,

Acreditada Institucionalmente (UTB)

Familia de diseos factoriales

La familia de diseos factoriales 2k consiste de k factores,

La familia de diseos factoriales 3k consiste de k factores

Acreditada Institucionalmente (UTB)

Familia de diseos factoriales

La familia de diseos factoriales 2k consiste de k factores,

La familia de diseos factoriales 3k consiste de k factores

Acreditada Institucionalmente (UTB)

Ejemplo de diseos factoriales