Experimentos Factoriales Completo

EXPERIMENTOS FACTORIALES COMPLETOS
P. Reyes / Sept. 2007
EXPERIMENTOS FACTORIALES
COMPLETOS
Pgina 1 de 27
CONTENIDO
1. Diseo factorial de dos factores
2. Diseo factorial de dos factores
3. Comparaciones mltiples
Pgina 2 de 27
1. Diseo factorial completo de 2 factores

Ul ingeniero decide probar los tres materiales de la cubierta, nico
factor controlable a tres niveles de temperatura (15, 70 y 125 F)
consistentes en el entorno de uso final del producto. Se prueban
cuatro bateras a cada combinacin de material de la cubierta y
temperatura, y las 36 pruebas se ejecutan al azar.
En la tabla 1 se presentan el experimento y los datos resultantes de

duracin observada de las bateras.
En este problema, el ingeniero desea contestar las siguientes

preguntas:
1. Qu efecto tienen el tipo de material y la temperatura sobre la
duracin de la batera?
2. Existe una eleccin del material que d por resultado una
duracin uniformemente larga sin importar la temperatura?
Tipo de
Temperatura F
material
1
15
70
125
13 15 34 40 2 70
0
5
0
74 18 80 75 8
58
0
2
15 18 12 12 2
70
0
8
6
2
5
15 12 10 11 5
45
9
6
6
5
8
13 11 17 12 9
10
8
0
4
0
6
16 16 15 13 8
4
60
Tabla 1. Duracin en horas para el ejemplo del diseo de una batera
Pgina 3 de 27
Esta
ltima
pregunta
reviste
particular
importancia.
Existe
la
posibilidad de hallar un material que no sea muy afectado por la

temperatura. De ser as, el ingeniero puede hacer que la batera sea
robusta a la variacin de temperatura en el campo. ste es un
ejemplo del uso del diseo experimental estadstico para el diseo de
un producto robusto (o consistente), un importante problema de
ingeniera.
Este diseo es un ejemplo especfico del caso general de un diseo
con dos factores (bifactorial). Para pasar al caso general, sea Yijk la
respuesta observada cuando el factor A se encuentra en el i-simo
nivel (i -1, 2,..., n). En general, los datos observados se vern como en
la tabla 2. El orden en el cual se toman las abn observaciones es
aleatorio,
de
modo
que
ste
es
un
diseo
completamente
aleatorizado.
Factor B
Factor A
...
Y 111,Y 112,
...,Y 11n
Y 121,Y 122,
...,Y 12n
...
Y 1b1,Y1b2,
...,Y 1bn
Y 211,Y212, Y 221,Y 222,

...,Y 21n
...,Y 22n
...
Y 2b1,Y 2b2,
...,Y 2bn
...
...
...
...
...
Y a11,Ya12,
...,Y a1n
Y a21,Y a22,
...,Y a2n
...
Y ab1,Y ab2,
...,Y abn
Tabla 2. Disposicin general para un diseo bifactorial

Las observaciones pueden describirse mediante el modelo estadstico
lineal:
Pgina 4 de 27
i 1,2,..., a
Yijk i j ij ijk j 1,2,..., b
k 1,2,..., n
En donde es el efecto medio general, i es el efecto del i-simo nivel

del factor rengln A, j es el efecto del j-simo nivel del factor
columna B, ()ij es el efecto de la interaccin entre i y j, ijk es el
componente del error aleatorio. Inicialmente se supone que ambos
factores son fijos y que los efectos de tratamiento se definen como
desviaciones de la media general, por lo tanto.
ia1 i 0; bj1j 0
Se
supone que los efectos de interaccin son fijos y que se definen d

manera que: ia1 ij 0 . Hay un total de abn observaciones porque
se realizan n rplicas.
En un diseo factorial de dos factores, tanto los factores (o
tratamientos) de rengln como de columna tienen la misma
importancia, especficamente el inters consiste en probar hiptesis
acerca de la igualdad de los efectos de tratamiento de rengln, es
decir:
Ho :
1 2
...a 0
H1 : al menos una i 0
Y de la igualdad de los efectos de tratamiento de columna:
Ho :
1 2
...b 0
H1 : al menos una j 0
Pgina 5 de 27
Tambin es interesante determinar s los tratamientos de rengln y

columna
interaccionan. En otras palabras, resulta conveniente
probar:
Ho : ()i 0 para toda i, j
H1 : al menos una ()i 0
A continuacin, se muestra cmo pueden probarse estas hiptesis

usando un anlisis de variancia
bifactorial o bidireccional (de dos
factores o en dos sentidos).

Anlisis Estadstico del Modelo de Efectos Fijos
ea Yi..; el total de las observaciones bajo el i-simo nivel del

factor A; Y.j. El total de las observaciones bajo el j-simo nivel del
factor B, Yij. El total de las observaciones de la ij-sima celda, e Y... el

total
general
Yi..; Y .j. y Yij.
de
y Y...
todas
las
observaciones.
Se
definen
como los promedios de rengln, columna, celda y
general, respectivamente, matemticamente:
b n
Yi.. Yijk
j1k 1
Yi..
a n
Y.j. Yijk
i1k 1
Y.j.
n
Yij. Yijk
k 1
Yij.
Yi..
bn
; i 1,2,..., a
Y.j.
; j 1,2,..., b
an
Y...
n
i 1,2,..., a
j 1,2,..., b
a b n
Y...
Y... Yijk Y...
i1j1k 1
abn
La suma total de cuadrados corregida puede expresarse mediante:
i1
j1
k 1
a
b
i1 j1
a
b
i1 j1
bn
i1
Yij k
k 1
k 1
Y
i
. .
Y .. .
Yij k
Yij k
Y .. .
Y
i..
Y
ij .
Y .. .
Y . ..
an
Y .j .
Y . ..
Y
ij
.
Y . ..
Y .j
Y . ..
j1
Y. j
.
a
b
i1 j1
Y .. .
k 1
Pgina 6 de 27
Yij
k
a
b
i1 j1
Y
ij .
Y
ij .
Y
i..
Y .j .
Porque los seis productos cruzados del segundo miembro de la

ecuacin anterior son iguales a cero. Se observa que la suma total de
cuadrados se ha descompuesto en una suma de cuadrados debida a
los renglones o al factor A (SSA) en una suma de cuadrados
debida a las "columnas" o al
factor B (SSB), en una suma de
cuadrados debida a la interaccin entre A y B (SSAB), y en una suma

de cuadrados debida al error (SS E): Analizando el ltimo trmino del
miembro derecho de la Ecuacin anterior es posible observar que es
necesario tener al menos dos rplicas (n 2) para poder obtenerla
suma de cuadrados del error.
Simblicamente, la Ecuacin anterior puede expresarse mediante:
S T S A S B S AB S E
Los grados de libertad asociados a cada suma de cuadrados son:
Pgina 7 de 27
Efecto
Grados
de
liberta
A
B
Interaccin
AB
Error
Total
d
a-1
b-1
(a-1)(b-1)
ab(n-1)
abn-1
Esta descomposicin del total de abn -1 grados de libertad para las

sumas de cuadrados se puede justificar como sigue: Los efectos
principales de A y B tienen a y b niveles, respectivamente, por lo
tanto, tienen a -1 y b -1 grados de libertad como se muestra.
Los grados de libertad de la interaccin simplemente corresponden a
los grados de libertad de cada celda (los cuales son iguales a ab -1)
menos los grados de libertad de los dos efectos principales A y B en
otras palabras, ab -1 -(a -1) -(b -1) -(a- 1)(b -1). Dentro de cada una de
las ab celdas hay n -1 grados de libertad entre las n rplicas, por lo
tanto, hay ab(n -1) grados de libertad del error.
Se observa que la suma de los grados de libertad de los trminos del
miembro derecho de la ecuacin anterior es igual al total de los
grados de libertad.
Cada suma de cuadrados dividida entre sus grados de libertad
produce una media de cuadrados. Los valores esperados de las
medias de cuadrados son:
Pgina 8 de 27
SSA
a 1
E(MSA) E
E(MSB)
SSB
b1
SSAB
(a 1)(b 1)
E(MSB) E
SSE
ab(n 1)
E(MSE) E
a
bn i
i1
a1
b
an j
j1
b1
a b
2
n ( ij
i1j1
(a 1)(b 1)
Hay que notar, que si las hiptesis nulas, las cuales consisten en
proponer que no hay efectos de tratamiento de rengln, columna e
interaccin, son verdaderas, entonces MSA, MSB, MSAB y MSE son
estimadores de 2. Sin embargo, si por ejemplo existen diferencias
entre los tratamientos de rengln, entonces MSA ser mayor que MSE.
En forma similar, si hay efectos de tratamiento de columna o
interaccin, las medias de cuadrados correspondientes sern mayores
que MSE.
Por lo tanto, para probar el significado de ambos efectos principales,
as como de su interaccin, simplemente deben dividirse las medias
de cuadrados correspondientes entre la media de cuadrados del error.
Valores grandes de estas razones implican que los datos no
concuerdan con las hiptesis nulas.
Si se considera que el modelo estadstico es adecuado y que los
trminos del error ijk son independientes con distribuciones normales
con variancia constante 2, entonces las razones de las medias de
cuadrados MSA/MSE, MSB/MSE y MSAB/MSE tienen distribucin F con a
-1, b- 1 y (a -1)(b -1) grados de libertad en el numerador,
respectivamente, y ab(n -1) grados de libertad en el denominador. Las
regiones crticas corresponden al extremo superior de la distribucin
F. Usualmente la prueba se presenta en una tabla de anlisis de
variancia como la que aparece en la tabla 2.
Pgina 9 de 27
Fuente de
Variacin
Tratamientos
A
SS
G.L.
SSA a - 1
MSA
MSA
SSA
MSE
Tratamientos
B
SSB b - 1
a 1
MSB
MSB
Interaccin
SSA (a - 1)(b 1)
B
Error
MS
SSB
SSE ab(n-1)
b 1
MSAB
SSAB
Fo
MSE
MSAB
MSE
(a 1)(b 1)
MSB
SSE
ab(n 1)
Total
SST abn - 1
Tabla 2 ANOVA para el modelo bifactorial de efectos fijos
Es posible obtener las frmulas para calcular las sumas de cuadrados

de la ecuacin anterior. La suma total de cuadrados se calcula en
forma usual mediante:
SST
2
a b n
Y ...
2
Y ijk
i1j1k 1
abn
Las sumas de cuadrados para los efectos principales son:

2
2
a Y i..
Y ...

i1 bn
abn
2
2
b Y .j.
Y ...
SSB
j1 an
abn
SSA
Es conveniente obtener SSAB en dos etapas. Primero se calcula la

suma de cuadrados entre los totales de las ab celdas, conocida como
la suma de cuadrados debido a los "subtotales":
2
2
a b Y ij.
Y ...
SSsubtotales
i1j1 n
abn
Pgina 10 de 27
Esta suma de cuadrados contiene a la SS A y SSB. Por lo tanto, la

segunda etapa consiste en calcular SSAB mediante:
SSAB SSsubtotales SSA SSB

La SSE se calcula por diferencia:
SSE SST SSAB SSA SSB

o bien :
SSE SST SSSubtotales
Pgina 11 de 27
Ejemplo: Ms sobre el experimento de diseo de una batera. En la

tabla 3 se presenta la duracin efectiva (en horas) observada en el
ejemplo de diseo de una batera descrito en la anterior Los totales
de rengln y de columna se indican en los mrgenes de la tabla; los
nmeros subrayados son los totales de celda.
Tipo
de
Mat.
1
Temperatura (F)
15
70
13 15
0
5
34 40
74 18
0
2
15 18
0
8
15 12
9
6
13 11
8
0
16 16
8
0
125
2
22 0
80 75 9
8
2
70
2
5
70
623
13 12
6
2
47
10 11 9
6
5
576
17 12
4
0
58
15 13 3
0
9
9
6
1291
770
539 4
134.75
Y.j.= 1738
5
8
8
2
Yi..
23
998
58 0
19 130
0
45 8
10
4
34 150
1
60 2
Y...=
379
9
Tabla 3. Duracin (en horas) para el experimento de diseo de una

batera
Las sumas de cuadrados se calculan a continuacin:

2
a b n
Y ...
2
SST Y ijk
i1j1 k 1
abn
130
155
74
... 60
3799
36
2
77,646.97
Pgina 12 de 27
2
2
a Y i..
Y ...
SSmaterial
i1 bn
abn
2
2
2
2
998
1300
1501
3799
10,683.72
(3)(4)
36
2
2
b Y .j.
Y ...
SStemperat ura
j1 an
abn
2
2
2
2
1738
1291 770
3799
39,118.72
(3)(49
36
2
2
a b Y ij.
Y ...
SSinteracc ion
i1j1 n
abn
2
2
2
2
539
229
... 342
3799
10,683.72
4
36
39,118.72 9,613.78
SSE SST SSmaterial SStemperatura SSinteraccion

SSE 77,646.97 10,638.72 39,118.72 9,613.78
18,230.75
El anlisis de variancia aparece en la tabla 4. Se concluye que existe

una interaccin significativa entre el tipo de material y la temperatura
porque F0.05,4.27 = 2.73. Adems, tambin son significativos los efectos
principales del tipo de material y de la temperatura, porque F O.O5.2.27 =
3.35.
Pgina 13 de 27
Fuente de
G.L
variacin
Tipo de material
SS
10,683.
Temperatura
.
2
MS
5,341.8
Fo
7.91
72
39,118.
6
19,558.
28.9
Interaccin
72
9,613.7
36
2,403.4
7
3.56
Error
8
18,230.
27
4
675.21
Total
75
77,646.
35
97
Tabla 4. ANOVA para los datos de la duracin de la batera
Como auxiliar en la interpretacin de los resultados de este

experimento resulta til la construccin de una grfica de las
respuestas promedio de cada combinacin de tratamiento. Esta
grfica se muestra en la figura 1.
175
150
125
Yij. 100
Material tipo 3
75
Material tipo 1
Material tipo 2
50
25
15
70
Tempera tura
125
Figura 1. Grfica de respuesta vs temperatura

Pgina 14 de 27
El hecho de que las rectas no sean paralelas indica una interaccin

significativa. En general, a menor temperatura mayor duracin,
independientemente del tipo de material.
Al variar la temperatura de baja a intermedia, la duracin aumenta

con el material tipo 3, mientras que disminuye con los materiales tipo
1 y 2,
Cuando la temperatura vara de intermedia a alta, la duracin

disminuye con los materiales tipo 2 y 3, mientras que con el tipo 1
esencialmente permanece sin cambio. Al parecer, el material tipo 3
da los mejores resultados si lo que se desea es menor perdida de
duracin efectiva al cambiar la temperatura.
Pgina 15 de 27
3. Comparaciones Mltiples
i el anlisis de variancia indica que hay diferencia en el nivel

medio de los renglones o columnas, resulta de inters llevar a
cabo comparaciones entre las medias individuales de rengln o

columna para descubrir las diferencias especficas para esto, los
mtodos de comparacin mltiple analizados en l capitulo anterior
resultan tiles.
A continuacin, se ilustra
la aplicacin de la prueba de intervalos
mltiples de Duncan a los datos de duracin de las bateras del

ejemplo 1. Se recordar que en este experimento la interaccin
result significativa. Cuando esto ocurre, las diferencias en las medias
de un factor (por ejemplo el A) pueden ser ocultadas por la
interaccin AB. Un enfoque consiste en fijar el factor B en un nivel
especfico, y aplicar la prueba de intervalos mltiples de Duncan a las
medias del factor A en ese nivel. Para ilustrar esto, supongamos que
en el ejemplo 1 se desea detectar diferencias en el nivel medio de los
tres tipos de material. Como la interaccin es significativa, las
comparaciones se realizan en un solo nivel de la temperatura, por
ejemplo el nivel 2 (70 grados). Se supone que el mejor estimador de
la variancia del error es la MSE obtenida de la tabla del anlisis de
variancia. Adems, se utiliza la suposicin de que la variancia del
error experimental es la misma en todas las combinaciones de
tratamientos. Los promedios de los tres tipos de material, organizados
en arden ascendente son:
Y12. 57.25 (material tipo 1)

El error estndar de estos promedios o medias de tratamiento es:
Pgina 16 de 27
S Y12.
MSE
n
675.21
4
12.99
Ya que cada promedio se calcula mediante n = 4 observaciones.

Usando la Tabla VII del Apndice se obtienen los valores de r 0.05(2, 27) =
2.91 y de r0.05(3, 27) = 3.06. Los intervalos mnimos significativos son:
R2 = r0.05(2,27) S Yi2. = (2.91)12.99) = 37.80
R3=r0.05(3,27) S Yi2. = (3.26)(12.99) = 39.75
Y las comparaciones proporcionan:
3 vs. 1 = 145.75 57.25 = 88.50 >39.75(R3)
3 vs. 2 = 145.75 119.75 = 26.00 <37.80(R2)
2 vs. 1 = 119.75 57.25 = 62.50 >37.80(R2)
Este anlisis indica que en el nivel de temperatura de 70 grados, el
voltaje medio producido por los materiales 2 y 3 es el mismo y que el
voltaje medio del material 1 es significativamente menor que el
producido por los materiales tipo 2 y 3. Si la interaccin resulta ser
significativa, el investigador puede comparar las medias de todas las
ab celdas para determinar en cules hay una diferencia significativa.
En este anlisis las diferencias entre las celdas incluyen tanto los
efectos principales como el efecto de interaccin. En el ejemplo 1
este mtodo producir 36 comparaciones entre todos los posibles
pares de medias de nueve celdas.
Variabilidad del modelo
plicando el procedimiento general a los datos del voltaje de las

bateras del
Pgina 17 de 27
Ejemplo 1. Debe observarse que

SSModelo = SSMaterial + SStemperatura + SSinteraccin
SSModelo = 10,683.72 + 39,118.72 + 9613.78 = 59,416.22
Y que
R2 = SSModelo/SST = 59,416.22/77,646.97 = 0.765210
En otras palabras, cerca de 77% de la variabilidad en la cada del
voltaje se explica por el tipo de material de las placas de la batera,
por la temperatura y por la interaccin entre el tipo de material y la
temperatura.
AComprobacin de la idoneidad del Modelo
ntes de poder adoptar las conclusiones del anlisis de variancia, debe
probarse la adecuacin
del modelo supuesto. Como antes, la
herramienta principal es el anlisis de residuos. Los residuos para el

modelo factorial de dos factores son:
ijk
eijk Yijk Y
Pgina 18 de 27
Para los residuos del ejemplo 3.1 tenemos que:

Tipo
Temperatura grados Fahrenheit
de
15
70
125
Mat.
1
13015512.5
134.75= 134.7 23.2 17.2 37.2 0
-4.75
5
5
5
5
=20.2
5
7418022.7 17.2 24.5 0.50
134.750 134.7 5
5
0
=-60.75 5
=45.2
5
2
-5.75
32.25 16.2 2.25 20.5
5
24.5 0
0
3.25
8.50 29.75 13.7 4.75
4.50
5
3
-6.00
28.2 10.5 18.5
34.00 5
25.7 0
0
5
24.00
16.00 4.25 6.75 3.50 25.5
0
X(J)
(j-.5)/n
X(J)
(j-.5)/n
X(J)
(j-.5)/n
-60.8
1.3889
13
-5.8
34.722
25
16
68.056
-37.5
4.1667
14
-4.8
37.5
26
16.3
70.833
-34
6.9444
15
-4.8
40.278
27
17.8
73.611
-29.8
9.7222
16
-4.5
43.056
28
18.5
76.389
-25.8
12.5
17
-3.5
45.833
29
20.3
79.167
-25.5
15.278
18
0.5
48.611
30
20.5
81.944
-24.5
18.056
19
2.3
51.389
31
22.8
84.722
-23.3
20.833
20
3.3
54.167
32
24
87.5
-17.3
23.611
21
4.3
56.944
33
24.5
90.278
10
-13.8
26.389
22
8.5
59.722
34
28.8
93.056
11
-6.8
29.167
23
10.5
62.5
35
32.3
95.833
12
-6
31.944
24
12.5
65.278
36
45.3
98.611
Tabla 5. Residuos para el ejemplo 1
Pgina 19 de 27
Figura 2. Grafica de probabilidad normal e histograma de residuos

para el ejemplo 1.
Pgina 20 de 27
Yij.
eijk
Yij.
eijk
Yij.
eijk
134.75
-4.75
57.25
-23.25
57.5
-37.5
134.75
-60.75
57.25
22.75
57.5
24.5
134.75
-5.75
57.25
16.25
57.5
-24.5
134.75
3.25
57.25
-13.75
57.5
8.5
155.75
-6
119.75
28.25
49.5
10.5
155.75
24
119.75
4.25
49.5
-3.5
155.75
20.25
119.75
-17.75
49.5
12.5
155.75
45.25
119.75
2.25
49.5
0.5
144
32.25
145.75
-4.75
85.5
20.5
144
-29.75
145.75
-25.75
85.5
-4.5
144
34
145.75
-6.75
85.5
18.5
144
16
145.75
-37.5
85.5
-25.5
Tabla 6. Residuos
60
Grafica de residuos vs Yijk(estimador)
40
20
eijk 0
0
-20
50
100
150
200
-40
-60
-80
Estimador Yijk
Figura 3. Grfica de Residuos versus respuesta estimada
Pgina 21 de 27
Y ya
que los valores ajustados son
ijk Yij.
Y
(el promedio de las
observaciones en la ij-sima celda), la Ecuacin de residios se

transforma en:
eijk Yijk Yij.
Los residuos de los datos de duracin de las bateras del ejemplo 1 se

muestran en la tabla 6.
La grfica de probabilidad normal y el
histograma de estos residuos
no revelan algo que pudiera causar
problemas, a pesar de que el residuo menor (-60.75 a 65 F y para el

tipo de material 1) parece alejarse de los
dems. El valor
estandarizado de este residuo es (-60,75)/ (675.21)1/2 = -2.34. ste es

el nico residuo cuyo valor absoluto es mayor que dos. En la tabla 7
se presenta una grfica de los residuos contra los valores ajustados
ijk
Y
. Esta grfica muestra una ligera tendencia de la variancia de los
residuos a aumentar, a medida que aumenta el voltaje.
T. Mat eijk T. Mat eijk T. Mat eijk

1
-4.75
-23.3
-37.5
-60.8
22.75
24.5
5.75
16.25
-24.5
3.25
-13.3
8.5
-6
28.25
10.5
24
4.25
-3.5
20.25
-17.3
12.5
45.25
17.75
0.5
32.25
2.25
20.5
-29.8
-4.75
-4.5
-34
-25.8
18.5
16
3 de
-6.75
-25.5
Grafica
residuos3vs. tipo
de material
60
Tabla 7 Residuos del material
40
20
0
-20
0.5
1.5
2.5
-40
-60
-80
Pgina 22 de 27
eijk
3.5
Figura 4. Grfica de residuos versus tipo de material
Temp.
eijk
Temp.
eijk
Temp.
eijk
15
-4.75
15
-23.25
15
-37.5
15
-60.75
15
22.75
15
24.5
15
-5.75
15
16.25
15
-24.5
15
3.25
15
-13.75
15
8.5
70
-6
70
28.25
70
10.5
70
24
70
4.25
70
-3.5
70
20.25
70
-17.03
70
12.5
70
45.25
70
17.75
70
0.5
125
32.25
125
2.25
125
20.5
125
-29.75
125
-4.75
125
-4.5
125
-34
125
-25.75
125
18.5
125
16
125
-6.75
125
-25.5
Tabla 8 Residuos de Temperatura
Pgina 23 de 27
60
40
20
0
0
-20
20
40
60
80
100
120
140
-40
-60
-80
Temperatura
Figura 5 Grfica de residuos de temperatura versus tipo de material
En la tabla 7 y figura 5 aparecen las grficas de los residuos contra el
tipo de material y contra la temperatura, respectivamente. Ambas
grficas indican una ligera desigualdad en la variancia siendo quiz
mayor la variancia de la combinacin de 65 F y tipo de material 1
que la de cualquier otra combinacin.
La celda correspondiente a 70 F y el tipo de material es la que
contiene ambos residuos extremos (-60.75 y 45.25). Estos dos
residuos son los principales responsables de la desigualdad de la
variancia detectada en las Fig. 7,8 y 9.
Un examen posterior de los datos no revel ningn problema obvio,
como por ejemplo, errores en el registro de los datos y, por lo tanto,
estas observaciones deben ser aceptadas como legtimas. Es posible
que en esta combinacin de tratamiento particular se produzcan
voltajes ligeramente ms errticos que en las otras combinaciones.
Pgina 24 de 27
Sin embargo, el problema no es tan severo como para tener un efecto

importante en el anlisis y las conclusiones.
Estimacin de los Parmetros del Modelo
os parmetros en el modelo de anlisis de variancia de

clasificacin en dos sentidos:
i 1,2,...,a
Yijk i j ij ijk j 1,2,...,b
k 1,2,...,n
Pueden estimarse usando el mtodo de mnimos cuadrados. Como

hay 1 + a + b + ab parmetros del modelo que deben ser estimados
habr 1 + a + b + ab ecuaciones normales. No es difcil mostrar que
las ecuaciones normales son:
a
j n
abn
bn
i an
i 1
i1
j1
i :
j n
bn
bn
i n
j1
j1
j :
j n ij
an
n
i an
i1
i1
ij
j n ij
n
n
i n
Para mayor claridad se muestra el parmetro correspondiente a cada

ecuacin normal, a la izquierda de las Ecuaciones anteriores.
Con el fin de obtener una solucin ptima a las ecuaciones anteriores,
tenemos que imponer las siguientes restricciones:
Pgina 25 de 27
i 0
i1
b
j 0
j1
ij 0
i1
a
j 1,2,...,b
ij 0 i 1,2,...,a
b
j1
Al aplicar estas restricciones, las ecuaciones normales se simplifican

considerablemente y se obtienen las soluciones:
Y...
i Yi.. Y...
i 1,2,..., a
j Y.j. Y...
j 1,2,...,b
i 1,2,...,a
estimador ij Yij. Yi.. - Y.j. Y...
j 1,2,...,b
Estas soluciones son intuitivamente atractivas. Los efectos de los

tratamientos de rengln se estiman mediante la diferencia entre el
promedio del rengln y el promedio general; los efectos de los
tratamientos de columna mediante la diferencia entre el promedio de
la columna y el promedio general, y la ij-sima interaccin se estima
restando el promedio general, el efecto del rengln i y el de la
columna j al promedio de la ij-sima celda.
Usando la ecuacin anterior puede determinarse el valor ajustado de
Yijk mediante:
j ij (el estimador de )
ijk
Y

i
ijk Y... Yi.. Y... Y.j. Y... Yij. Yi.. Y.j. Y...
Y
ijk Yij.
Y
Pgina 26 de 27
En otras palabras, la k-sima observacin de la ij-sima celda se

estima mediante el promedio de las n observaciones de dicha celda.
Suposiciones del anlisis de varianza
l aplicar un anlisis de varianza se hacen las
suposiciones
siguientes:
1. El proceso esta en control estadstico (estable). Esto es, se

pueden repetir y las causas de variacin se han eliminado.
2. La distribucin de la poblacin que se muestra es normal.
3. La varianza de los errores dentro de los k niveles del factor es la
misma: Esto es, la variabilidad natural dentro de cada tratamiento
es la misma de un tratamiento a otro.
Cuando se observa que no se puede suponer igual varianza (por

ejemplo un proceso Poisson: donde la varianza varia con la media), se
tiene dos opciones; Transformar los datos, o pruebas no parametricas.
En particular una prueba no parametrica que se usa es la Kruskal
Wallis.
Pgina 27 de 27

Experimentos Factoriales Completo

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

Experimentos Factoriales Completo

Загружено:

Авторское право:

Доступные форматы

EXPERIMENTOS FACTORIALES COMPLETOS

P. Reyes / Sept. 2007