Pag 218-

7. DISEÑO EXPERIMENTOS FACTORIALES A*B; A*B+1; A*B+2

Definición y Aplicaciones

Los diseños factoriales se usan ampliamente en experimentos que incluyen varios factores
cuando es necesario estudiar el efecto conjunto de los factores sobre una respuesta.
Anteriormente se presentaron métodos generales para el análisis de diseños factoriales. Sin
embargo hay varios casos especiales del diseño factorial general que son importantes debido a su
uso generalizado en el trabajo de investigación porque constituyen las bases de otros diseños de
gran valor práctico. El más importante de estos casos especiales del de k factores, cada uno con
sólo dos niveles. Estos niveles pueden ser cuantitativos como dos valores de temperatura presión
y tiempo, o bien cualitativos como dos máquinas, dos operadores, los niveles alto y bajo de un
factor o quiza la presencia o ausencia de un factor. Una réplica completa de este diseño requiere
2 x 2 x ……x 2 =2k observaciones y se les llama diseño factorial 2k.
El diseño 2k es de particular utilidad en las etapas iniciales de trabajo experimental cuando
probablemente se está investigando muchos factores. Este diseño proporciona el menor número
de corridas con las que puedan estudiarse K factores en un diseño factorial completo. Por
consiguiente con estos diseños se usan ampliamente en los experimentos de tamizado o selección
de factores. Puesto que sólo hay dos niveles para cada factor Cómo se supone que la respuesta es
aproximadamente lineal en el rango elegido para los niveles de los factores en muchos casos de
tamizado de factores como cuando se acaba de enunciar el estudio del proceso o sistema este
supuesto suele ser razonable. En este caso se presentará un método simple para verificar este
supuesto y se analizarán las acciones que deben emprenderse en caso de que se viole.
El primer diseño de la serie 2k es el que sólo tiene dos factores, por ejemplo A y B. Cada uno se
corre a dos niveles. A este diseño se le llama diseño factorial 22. Los niveles de los factores
pueden denominarse arbitrariamente “bajo” y “Alto”. Como un ejemplo, considere la
investigación del efecto de la concentración del reactivo y de la cantidad de catalizador sobre la
conversión (rendimiento) de un proceso químico. Sea la concentración del reactivo del facto A, y
sean 15 y 25 por ciento los dos niveles de interés. El catalizador es el actor B, con el nivel alto
denotando el uso de 2 libras del catalizador y el nivel bajo denotando el uso de 1 libra. Se hacen
tres réplicas del experimento y los datos son los siguientes:

Las combinaciones de los tratamientos se ilustran en la Fig1. Por convención, el efecto de un

factor se denota con una letra mayúscula latina. Por lo tanto “A” se refiere al efecto de factor A,
“B” al efecto del factor “B”, y “AB” a la interacción AB. En el diseño 22, los niveles alto y bajo
de A y B se denotan por “-” y ”+”, respectivamente, en los ejes A y B. Por tano, - en el eje A
representa el nivel de la concentración al 15%, mientras que + representa el nivel alto (25%), y –
en el eje B representa el nivel bajo del catalizador, mientras que + denota el nivel alto.
Las cuatro combinaciones de tratamientos suelen representarse con letras minúsculas como se
muestra en la fig. 1. Por la Figura se observa que el nivel alto de cualquiera de los factores en
una combinación de tratamientos se denota por la letra minúscula correspondiente y que el nivel
bajo de un factor en una combinación de tratamientos se denota por la ausencia de la letra
respectiva. Por lo tanto a representa la combinación de tratamientos con A en el nivel alto y B en
el nivel Bajo, b representa A en el nivel bajo y B en el nivel alto, y ab representan ambos factores
en el nivel alto.

Figura 1. Combinaciones de los tratamientos en el diseño 22

En un diseño factorial con dos niveles, el efecto promedio de un factor puede definirse como el
cambio en la respuesta producido por un cambio en el nivel de ese factor promediado para los
niveles del otro factor. A si mismo, los símbolos a,b y ab representan el total de las n réplicas
hechas con la combinación de los tratamientos. Ahora el efecto de A en el nivel bajo de B es [a-
(1)]/n y el efecto de A con el nivel bajo de B es [ab-b]/n. Al promediarse estas dos cantidades se
tiene el efecto principal de A:

1
𝐴= {[𝑎𝑏 − 𝑏] + [𝑎 − (1)]}
2𝑛
1
𝐴= [ 𝑎𝑏 + 𝑎 − 𝑏 − (1)]
2𝑛

El efecto principal promedio de B se encuentra a partir del efecto B con el nivel bajo de A (es
decir, [b- (1)/n]) y con el nivel alto de A (o sea [ab - a]/n) como:
 1
𝐵= {[𝑎𝑏 − 𝑏] + [𝑎 − (1)]}
2𝑛
1
𝐵= [ 𝑎𝑏 + 𝑎 − 𝑏 − (1)]
2𝑛

El efecto de la interacción AB se define como la diferencia promedio entre el efecto de A con el

nivel alto de B y el efecto de A con el nivel bajo de B, Por tanto,
1
𝐴= {[𝑎𝑏 − 𝑏] + [𝑎 − (1)]}
2𝑛
1
𝐴𝐵 = [ 𝑎𝑏 + 𝑎 − 𝑏 − (1)]
2𝑛
1
A𝐵 = 2𝑛 [ 𝑎𝑏 + 𝑎 − 𝑏 − (1)]

Pag 234

Ejemplo 1:

Considérese una investigación llevada a cabo para estudiar el efecto que tiene la concentración
de un reactivo y la presencia de un catalizador sobre el tiempo de reacción de un proceso
químico. Sea la concentración del reactivo el factor A con dos niveles de interés, 15% y 25%. 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:

Factor Combinación de Replica

A B tratamientos I II III Total
- - A baja, B baja 28 25 27 80
+ - A alta, B baja 36 32 32 100
- + A baja, B alta 18 19 23 60
+ + A alta, B alta 31 30 29 90

En la figura siguiente se presentan gráficamente las combinaciones de tratamiento para este

diseño, el efecto de un factor se denota por la letra latina mayúscula. 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
interacción entre AB. En el diseño 22, los niveles bajo y alto de A y B se denotan por “-“ y “+”
respectivamente, en los ejes A y B. Por lo tanto, – en el eje A representa el nivel bajo de la
concentración (15%), mientras que + representa el nivel alto (25%), y en – en el eje B representa
el nivel bajo del catalizador, mientras que + denota el nivel alto.
 Figura.2 : Combinaciones de tratamiento en el diseño factorial

Las cuatro combinaciones de tratamientos en el diseño pueden representarse por letras

minúsculas, como se muestra en la figura 3. En esta figura se aprecia que el nivel superior de
cualquier factor de una combinación de tratamientos está representado por la presencia de la letra
minúscula correspondiente, mientras que la ausencia de esta última representa el nivel inferior
del factor.

Así:

 “a” representa la combinación 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 convención (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 minúsculas (1), a, b y ab también se usan para
representar los totales de las n réplicas de las combinaciones de tratamientos

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

superior B es {ab-b}/n. Tomando el promedio de estas dos cantidades se obtiene:
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 obteniéndose:

El efecto de la interacción 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, así:

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 fórmulas para los efectos de A, B y AB pueden deducirse por otro método. El efecto de A
puede hallarse como la diferencia en la respuesta promedio de las dos combinaciones de
tratamiento en la mitad derecha (que llamaremos Y A+, puesto que es la respuesta promedio para
las combinaciones de tratamientos a las que A que se encuentra en el nivel alto) y las dos
combinaciones de tratamientos en la mitad izquierda (o Y A). Esto es:

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
Finalmente el efecto de interacción 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

Con los datos que aparecen en la figura 1, las estimaciones de los efectos promedio son:

El efecto de A (concentración de reactivo) es positivo; esto sugiere que al elevar A del nivel bajo
(15%) al nivel alto (25%) incrementará el rendimiento. El efecto de B (catalizador) es negativo;
esto sugiere que elevar la cantidad del catalizador agregada al proceso reducirá el rendimiento.
Al parecer, el efecto de interacciones es pequeño comparado con los dos efectos principales.

En muchos experimentos que implican diseños 2K se examina la magnitud y la dirección de los

efectos de los factores para determinar cuáles variables es probable que sean importantes. Por lo
general puede emplearse el análisis de varianza para confirmar esta interpretación. En el diseño
2k existen algunos métodos rápidos especiales para realizar los cálculos del análisis de varianza.
Consideremos la suma de cuadrados para A, B y AB. Obsérvese la primera ecuación que se
utiliza un contraste para estimar A, esto es:

Este contraste suele llamarse efecto total de A. A partir de la segunda y tercera ecuación, puede
apreciarse que también se utilizan contraste para estimar B y AB. Además, estos tres contrastes
son ortogonales. La suma de cuadrados de cualquiera de ellos puede calcularse usando la
siguiente ecuación:

Esta ecuación establece que la suma de cuadrados de contraste es igual al contraste elevado al
cuadrado entre el producto del número 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:

Con los datos de la figura 1, las sumas de cuadrados se pueden calcular aplicando las ecuaciones
anteriores, obteniéndose:

La suma total de cuadrados se determina de la manera usual mediante:

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.
El análisis de varianza completo se presenta en la tabla siguiente. Ambos efectos principales son
significativos al 1%.

A menudo se es conveniente escribir las combinaciones de tratamientos en el orden (1), a, b, y

ab. Este orden se conoce como orden estándar. Cuando se utiliza es posible apreciar que los
coeficientes de los contrastes usados para estimar los efectos son
Efectos (1) a b Ab

A: -1 +1 -1 +1

B: -1 -1 +1 +1

AB: +1 -1 -1 +1

Tabla ANOVA para los datos del ejemplo 3.1 es la siguiente:

F. de V. S.C. G.L. C.M. F p

A 208.33 1 208.33 53.15a 0.0001

B 75.00 1 75.00 19.13a 0.0024

AB 8.33 1 8.33 2.13 0.1826

Error 31.34 8 3.92

Total 323.00 11

a significativo al 1%

Signos algebraicos para calcular los efectos en un diseño 22

Combinación Efecto Factorial

de tratamientos I A B AB
(1) + - - +
a + + - -
b + - + -
ab + + + +

Observe que los coeficientes de los contrastes usados para estimar la interacción son iguales al
producto de los coeficientes correspondientes a los dos efectos principales. Los coeficientes de
los contrastes siempre son +1 o –1 y se puede usar una tabla de signos positivos y negativos
como la mostrada en la de signos algebraicos para determinar el signo apropiado de cada
combinación de tratamientos. En el encabezado de las columnas de tabla se encuentran los
efectos principales (A y B), la interacción 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 combinación de tratamientos, y
se suma. Por ejemplo, el contraste para estimar A es -(1) + a – b + ab, lo cual concuerda con la
ecuación.

Los tipos más sencillos de diseños factoriales implican sólo dos factores o conjuntos de
tratamientos. Haya “a” niveles del factor A y “b” niveles del factor B,dispuestos en un diseño
factorial; esto es, cada A repetición o réplica del experimento contiene todas las combinaciones
de tratamiento ab. En general, hay nrepeticiones.

Restricciones del Diseño

Ventajas y Desventajas

Modelo Matemático
Esquema de Análisis de Varianza

EL TRABAJO DEBE PRESENTARSE DE LA SIGUIENTE MANERA:

- EL CD (PORTADA) DEBE CONTENER LA SIGUIENTE INFORMACION:

DOCUMENTO EN WORD, DOCUMENTO EN POWERPOINT, CUESTIONARIO
(TODOS LOS GRUPOS).
- EL ESCRITO DEBE PRESENTARSE DOCUMENTO EN WORD, Y TALLER CON
PREGUNTAS Y RESPUESTAS PARA EL DOCENTE Y EL TALLER SOLO
PREGUNTAS PARA LOS COMPAÑEROS.