DISEÑOS FACTORIALES 3ᵏ

Un diseño factorial 3ᵏ es un arreglo de k factores que tienen tres niveles cada uno. Se hará
referencia a los tres niveles de los factores como bajo, medio y alto. Existen varias
notaciones para representar estos niveles de los factores como bajo, medio y alto. Existen
varias notaciones para representar los niveles de los factores; una posibilidad es
representar los niveles de los factores con los dígitos 0 (bajo), 1 (medio) y 2 (alto). Cada
combinación de tratamientos del diseño 3ᵏ se denotara por k dígitos, donde el primer
digito indica el nivel del factor A, el segundo digito indica el nivel del factor B,…, y el digito
k-ésimo indica el nivel de factor K.

Por ejemplo en un diseño factorial 3², se tiene:

donde (0,0) denota la combinación de tratamientos correspondiente a A y B ambos en el

nivel bajo, y (0.1)denota la combinación de tratamientos correspondiente a A en el nivel
bajo y B en el nivel intermedio.

Cuando los niveles de un factor, por ejemplo A son tres, el efecto de ese factor estará
reflejado en la variabilidad de tres totales de tratamientos, (A)₀, (A)₁ y (A)₂; donde (A)ᵢ
representa el total de los tratamientos con nivel i del factor A. También el efecto del factor
A se puede estudiar con dos contrastes ortogonales entre esos tres totales. Así al efecto
principal de un factor con tres niveles se le asocian dos grados de libertad.

De acuerdo al modelo lineal, se tienen dos comparaciones independientes para A, dados

por las filas:

El efecto de B tiene dos comparaciones independientes entre columnas:

En el sistema de los diseños 3ᵏ, cuando los factores son cuantitativos, es común denotar
los niveles bajo, intermedio y alto con -1, 0 y +1 respectivamente. Este diseño es una de las
alternativas experimentales que permite estudiar efectos de curvatura, además de efectos
lineales y de interacción.

El diseño mas simple del sistema 3ᵏ es el diseño 3², el cual tiene dos factores, cada uno
con tres niveles obteniendo un total de 9 tratamientos diferentes.

Los nueve tratamientos se pueden escribir de varias maneras, algunas de las cuales se
muestra en la tabla 9.10

El modelo estadístico para el diseño 3² se puede escribir considerando el efecto individual

de cada factor y de la interacción entre ambos, como se presenta a continuación:

Con i, j = 0, 1, 2 y k =1,…, r, y donde; αi es el efecto del factor A, βj representa el efecto de

B y (αβ)ij es la interacción entre los dos factores.

En consecuencia, se contrasta la hipótesis H₀ : (αβ)ij = 0 (no hay interacción de los factores

A y B sobre la variable respuesta),

Al igual que en los diseños 2ᵏ, si esta hipótesis no se rechaza entonces se contrastan las
hipótesis: i. H₀ : αi = 0 (no hay efecto significativo del factor A son la variable respuesta) y
ii. H₀ : Βj = 0 (no hay efecto significativo del factor B sobre variable respuesta). Estas
hipótesis se juzgaran en ANOVA, pare ello las sumas de cuadrados para los tres efectos
incluidos en el modelo 9.5 se calculan mediante los métodos usuales al utilizar diagramas
de estructuras. En este caso dichas sumas están dadas por:
La suma de cuadrados total se obtiene de forma usual,

y la de error se calcula con la diferencia

Los grados de libertad asociados con cada suma de cuadrados de esta última relación son,
respectivamente:

Con base en los resultados en la tabla 9.11 se presenta el análisis de varianza para el
diseño 3².

La partición de la interacción de dos factores AB puede hacerse de dos maneras.

El primer método consiste en subdividir AB en dos cuadrados latinos ortogonales y el
segundo método divide esta interacción en cuatro componentes con un solo grado de
libertad que corresponden a ALBL; ALBC; ACBL y ACBC, este método tiene sentido
siempre y cuando los factores involucrados sean cuantitativos.

Los dos cuadrados latinos ortogonales que se obtienen mediante el primer método, se
muestran en la figura 9.5, los cuales se obtienen al realizar la descomposición en las
componentes A¹B¹ y A¹B² de la interacción. Cada una de estas componentes tiene dos
grados de libertad. Se usa la terminología de grupos, como se muestra en el anexo de este
capítulo, porque si los niveles (0; 1; 2) de A y B se denotan por x1 y x2, respectivamente,
entonces se encuentra que las letras ocupan una celda de acuerdo con el siguiente patrón:

En
la

figura 9.5, los dos factores A y B corresponden a las y las columnas, respectivamente, de
un cuadrado latino 3 x 3. Además, estos dos cuadrados latinos son ortogonales, es decir, si
uno de los cuadrados se superpone sobre el otro, cada letra del primer cuadrado
aparecería exactamente una vez con cada letra del segundo cuadrado.

Por ejemplo, en el cuadrado A1B2 se observa que la celda inferior derecha corresponde a
x1 = 2 y x2 = 2; por lo tanto, x1 + 2x2 = 2 + 2(2) = 6 = 0 (mod 3), y Q ocuparía dicha celda.

Las sumas de cuadrados, usando teoría de grupos, asociadas a A¹B¹ y A¹B² son,
respectivamente:
Los componentes A¹B¹ y A¹B² de la interacción AB no tienen significado real y por lo
general no se incluyen en la tabla de análisis de varianza. Sin embargo, esta partición, en
gran medida arbitraria, es muy útil para construir diseños más complejos. Además no hay
relación entre los componentes A¹B¹ y A¹B² de la interacción y las componentes ALBL;
ALBC; ACBL y ACBC.

EJEMPLO 1
En Kuehl (2001) se presenta un experimento en donde un entomólogo realizó un
experimento sobre la energía consumida por las abejas al beber, para determinar el efecto
de la temperatura del ambiente y la viscosidad del líquido en el consumo de energía. Los
niveles de temperatura (T) fueron 20, 30 y 40 °C, la viscosidad del líquido se controló por
las concentraciones de sacarosa (S), que eran de 20, 40 y 60% del total de sólidos disueltos
en el líquido que bebían las abejas. El entomólogo registró la energía gastada por las
abejas en joules/segundo. Los datos que se presentan en la tabla 9.12 corresponden a tres
réplicas de cada uno de los nueve tratamientos en DCA.

El modelo propuesto para este conjunto de datos es:

con i, j = 0, 1,2 y k =1, 2, 3 y, donde; yijk es la energía gastada en la i-ésima temperatura j-

ésima concentración de sacarosa y k-ésima réplica, αi es el efecto de la i-ésima
temperatura, βj es el efecto de la j-ésima concentración de sacarosa y (αβ)ij es el efecto de
interacción entre la i-ésima temperatura y j-ésima concentración de sacarosa.

Las sumas de cuadrados de los efectos están dadas por:

Los grados de libertad de SC(T), SC(S) y SC(TS) son 2, 2 y 4, respectivamente. En total el
experimento tiene (3²) - 1 = 26 grados de libertad, y entonces quedan 26 - 2 - 2 - 4 = 18
grados de libertad para la SCE.

Al particionar la suma de cuadrados de la interacción TS, los dos cuadrados latinos

ortogonales que se obtienen se muestran en la figura 9.6, los cuales se obtienen al realizar
la descomposición en las componentes T¹S¹ y T¹S² de la interacción. Cada una de estas
componentes tiene dos grados de libertad.

Las sumas de cuadrados asociadas a T¹S¹ y T¹S² son, respectivamente:

Entonces obsérvese que
Las expresiones usuales para la suma de cuadrados de los contrastes se obtienen a partir
de la expresión (9.1). En particular, al hacer uso de la tabla 9.14, la suma de cuadrados
asociada al efecto AL es:

En la expresion anterior los

simbolos (20); : : : ; (02) denotan los totales de los tratamientos con esos niveles de los
factores en el orden indicado. De forma semejante se obtienen todas las SC de los ocho
contrastes, dos de ellas son:
EJEMPLO 2.
Considere los datos del ejemplo 9.4, suponga que se desea investigar el efecto de
curvatura de la temperatura del ambiente y viscosidad del líquido sobre la energía gastada
por las abejas.

En la tabla 9.15 se presentan las diferentes sumas de cuadrados, algunas de las sumas
presentadas en dicha tabla son:

A partir de los resultados de la tabla 9.15, observese que:

De la tabla 9.16, se concluye que el efecto lineal de la temperatura del ambiente cambia
linealmente al cambiar los niveles del % de sacarosa, ya que F = 25; 37 > F(1;18;0;05) =
4; 41. Los demás efectos en los que se descompone la interacción no son significativos.