DISEOS EXPERIMENTALES

EXPERIMENTOS FACTORIALES

INTRODUCCIN
Una

empresa vende sus productos a travs de los pedidos que recibe por correo. El gerente desea medir el efecto que tiene el tamao de un anuncio de revistas y el diseo mismo del anuncio, sobre la cantidad de pedidos recibidos (en miles)

D1 Pequeo Pedidos (miles) D2 D I S E O

A N U N C I O

Grande

D3

Experimentos factoriales
Factor A: Tamao del anuncio Factor B: Tipo de Diseo A1= Pequeo, A2= Grande D1, D2 , D3

Ambos factores pueden combinarse entre si, ofreciendo 6 combinaciones posibles o condiciones experimentales: 1) El anuncio pequeo con el diseo D1; 2) El anuncio pequeo con el diseo D2; 3) El anuncio pequeo con el diseo D3; 4) El anuncio grande con el diseo D1. 5) El anuncio grande con el diseo D2 6) El anuncio grande con el diseo D3

Experimentos factoriales
Las preguntas de inters ser: a) Alguna combinacin de tamao de anuncio con el tipo de diseo producir un mayor efecto en la cantidad de pedidos? Si la respuesta es SI, deberamos profundizar un poco ms en el estudio. Si la respuesta es NO, podemos preguntarnos lo siguiente: b) El tamao de los pedidos depende del tamao del anuncio o el tamao del anuncio afecta al tamao del pedido? c) El tamao de los pedidos depende del diseo del anuncio o el diseo del anuncio afecta la tamao del pedido?

Experimentos factoriales
Estructura de los datos

Repeticiones 1 2 n Totales

B1

A1 B2

B3

B1

A2 B2

B3

En la prctica se suele trabajar con diseos de dos factores, A y B, donde cada factor tiene dos o ms niveles. Hay a niveles del factor A y b niveles del factor B y cada una de las n rplicas del experimento contiene ab combinaciones de los tratamientos

Modelo Lineal
yijk i j ( )ij ijk donde : i 1,2,...,a; j 1,2,...,b, k 1,2,...,n
Hiptesis
Ho: No hay interaccin entre los niveles de los factores H1: Hay interaccin entre los niveles de los factores (Alguna combinacin del nivel del factor A con el nivel del factor B afecta a la variable respuesta) Ho: No hay efecto del factor A sobre la variable respuesta. 1= 2== a H1: Hay efecto del factor A sobre la variable respuesta. Al menos un i es diferente Ho: No hay efecto del factor B sobre la variable respuesta. 1= 2== b H1: Hay efecto del factor B sobre la variable respuesta. Al menos un i es diferente

Fuente de variac. A B AB Error Total

Grados de libertad a-1 b-1

TABLA DE ANOVA
Suma de cuadrad. SC(A) SC(B) SC(AB) SCE SCT

Cuadrado medio CMA CMB CMAB CME

F CMA/CME CMB/CME CMAB/CME

(a-1) (b - 1) ab(n-1) abn-1

GRFICOS PARA OBSERVAR LA INTERACCIN

Las figuras nos muestran dos posibles resultados

Ausencia de interaccin

Interaccin entre dos variables

APLICACIN
Una empresa de pedidos por correo dise un experimento factorial para investigar el efecto que tiene el tamao de un anuncio en revistas y el diseo mismo del anuncio, sobre la cantidad de pedidos recibidos (en miles). Se consideraron tres diseos de anuncios y dos tamaos de anuncios. Los datos que se obtuvieron corresponden a la cantidad de pedidos en miles y aparecen en la tabla siguiente.

APLICACIN
Pequeo 8 Grande 12

12
14 22 14

8
16 26 30

20
10 C 18 15

30
18 14 17

Aplique el procedimiento de anlisis de varianza para experimentos factoriales e investigue si hay efectos apreciables debidos al tipo de diseo, tamao del anuncio o interaccin entre esos dos factores. Use a = 0,05 .

Variable respuesta: Cantidad de pedidos recibidos (miles)

Factor 1: Diseo del anuncio con tres niveles o tratamientos Factor 2: Tamao del anuncio con dos niveles o tratamientos Ingreso de datos:

SUPUESTOS
Homogeneidad de varianzas Ho: Las varianzas son homogneas H1: Las varianzas no son homogneas
Contraste de Levene sobre la igualdad de varianzas error
Variable dependiente: Cantidad de pedidos recibidos (miles)

F
0,460

Gl1
5

Gl2
12

Sig.
0,798

Sig. = 0,798 > = 0.05, D. E. : No rechazar la hiptesis nula

Conclusin: Con un nivel de significacin del 5%, se puede

afirmar estadsticamente que las varianzas de la cantidad de pedidos recibidos son homogneas

Normalidad de los errores Ho: Los errores se distribuyen normalmente H1: Los errores no se distribuyen normalmente
Prueba de Kolmogorov-Smirnov para una muestra
RES_1

N Parmetros normalesa,b Diferencias ms extremas

Media Desviacin tpica Absoluta Positiva Negativa

Z de Kolmogorov-Smirnov Sig. Asintt. (bilateral)

18 ,0000 2,84226 ,204 ,127 -,204 ,865 ,443

Sig. = 0,443 > = 0.05, D. E. : No rechazar la hiptesis nula Conclusin: Con un nivel de significacin del 5%, se puede afirmar estadsticamente que los errores se distribuyen normalmente.

Pruebas de los efectos intersujetos

Variable dependiente: Cantidad de pedidos recibidos(miles)

Origen Modelo corregido Interseccin Tamao Diseo Tamao*Diseo Error Total Total corregido

Suma de cuadrados 610,444a 5134,222 80,222 453,778 76,444 137,333

gl 5

Media cuadrtica 122,089

F 10,668 448,639

Sig. ,000 ,000

1 5134,222 1 2 2 12 80,222 226,889 38,222 11,444

7,010
19,826 3,340

,021
,000 ,070

5882,000
747,778

18
17

Anlisis de la interaccin tamao de anuncio y diseo Ho: No existe interaccin entre el tamao y el diseo del anuncio

H1: Existe interaccin entre el tamao y el diseo del

anuncio

Fcal = 3.340 < F(0.05;2,12)= 3.89

Sig. = 0.070 > =0.05, Decisin estadstica: N R Ho

Conclusin: Con un nivel de significacin del 5% se puede

concluir que no existe interaccin entre el tamao y el diseo del anuncio.

Anlisis del factor tamao del anuncio Ho: No hay diferencia en la cantidad promedio de pedidos cuando se usan diferentes tamaos de anuncios.
H1: En al menos un tamao de anuncio, la cantidad promedio de pedidos es diferente.

Fcal = 7.010 > F(0.05;1,12) = 4.75

Sig. = 0.021 < =0.05, Decisin estadstica: R Ho

Conclusin: Con un nivel de significancia del 5% podemos concluir que el tamao del anuncio afecta la cantidad de pedido que se recibe.

Anlisis del factor: diseo de anuncio

Ho: No hay diferencia en la cantidad promedio de pedidos cuando se usa diferentes diseos de anuncios. H1: En al menos un diseo de anuncio, la cantidad promedio de pedidos es diferente.

Fcal=19,826 > F(0.05;2,12)= 3.89 Sig. = 0.000 < =0.05, Decisin estadstica: R Ho

Conclusin: Con un nivel de significancia del 5% podemos concluir que el diseo del anuncio, afecta la cantidad de pedidos que se recibe.

Grfico para verificar interaccin

NO HAY INTERACCIN

Grfico de los factores por separado

Cada factor en forma separada, puesto que no hay interaccin

Pruebas de comparacin

PEDIDO
DISEO N
Duncana,b

Subconjunto 1 2

Diseo A
Diseo C Diseo B Sig.
A C

6
6 6

11,67
15,33 23,67 ,172
B

1,000

Con un = 0.05, el diseo B nos proporcionar una mayor cantidad promedio de pedidos recibidos, sera por lo tanto el ms recomendable para usar.

TAMAO Variable dependiente: Cantidad de pedidos recibidos TAMAO Intervalo de confianza 95% Media Error tp. Lmite inferior Lmite superior

Pequeo 14,778
Grande 19,000
P

1,128
1,128
G

12,321
16,543

17,235
21,457

Conclusin: Con un = 0.05, el tamao del anuncio grande

proporcionar una mayor cantidad promedio de pedidos recibidos.

El gerente de una empresa est preocupado por el rendimiento que podran tener sus empleados nuevos. Tiene tres mtodos de entrenamiento (M1: Con un empleado antiguo, M2: En grupo con un entrenador, M3: con videos y programas) pero tambin piensa que un factor que estara interaccionando con los mtodos seria la edad de sus empleados y los clasifica en G1: Menos de 30 aos y G2: De 30 aos a ms.

Para llevar a cabo la prueba, selecciona a cinco empleados nuevos para cada combinacin. La variable respuesta es produccin diaria. Los resultados se muestran a continuacin
M1 17 16 17 14 15 22 24 23 21 26 Mtodo M2 16 18 19 16 17 15 16 17 15 16 M3 29 30 28 32 31 15 12 15 12 13

Grupo 1

Grupo 2

Variable respuesta: Produccin diaria Factor 1: Mtodos de entrenamiento con tres niveles Factor 2: Grupo de la edad de sus empleados con dos niveles
Ingreso de datos:

SALIDAS DEL SPSS

Cuando se fija M1:

1 < 2 1 = 2 1 > 2

Cuando se fija M2: Cuando se fija M3:

Conclusin: Cuando se usa el mtodo 1 el grupo 2 tiene un mejor resultado, y esto se verifica estadsticamente por el sig=0.000, pero cuando se usa el mtodo 3 el resultado es inverso, el grupo 1 da mejor resultado. En cambio para el mtodo 2, no hay diferencia significativa entre el rendimiento de los dos grupos (sig=0.140)

Cuando se fija Grupo 1 Cuando se fija Grupo 2

1 2 3 2

3 1

Para el grupo 1 el mtodo 3 da mejor resultado. No se encuentra diferencia entre el mtodo 1 y 2 (sig=0.140). Esto es 1=2<3 Para el grupo 2 el mtodo 1 da mejor resultado. Tambin M2 es mejor que M3 (3<2<1).