Академический Документы
Профессиональный Документы
Культура Документы
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:
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
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:
Así:
Por convención (1) se usa para representar a ambos factores en el nivel inferior.
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
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:
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.
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:
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: -1 +1 -1 +1
B: -1 -1 +1 +1
AB: +1 -1 -1 +1
Total 323.00 11
a significativo al 1%
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.
Ventajas y Desventajas
Modelo Matemático
Esquema de Análisis de Varianza