UNIVERSIDAD NACIONAL DE CAJAMARCA

ESCUELA DE POSGRADO
FACULTAD DE INGENIERIA

ESTADISTICA PARA LA INVESTIGACION

TEMA :
“Diseños o experimentos factoriales
(dos o más factores)”

DOCENTE:
Bravo Burgos, Enzo Aldo
 Diseños o experimentos factoriales
(dos o más factores)”
En lo que se refiere a la terminología, el experimento descrito aquí es
de 2 factores, y el diseño experimental podría ser uno completamente
aleatorizado, en el que las distintas combinaciones de tratamiento se
asignan al azar a todas las unidades experimentales, o bien, un
diseño de bloques completos aleatorizados, donde las combinaciones
de factores se asignan al azar dentro de los bloques.
El objetivo principal de este material es el uso del diseño
completamente aleatorizado con un experimento factorial. Un
experimento factorial con 2 factores implica ensayos experimentales
(o uno solo) con todas las combinaciones de factores.
 PROCEDIMIENTO
Supongamos que hay a niveles para el factor A y b niveles del factor B, cada réplica del experimento
contiene todas las posibles combinaciones de tratamientos, es decir contiene los ab tratamientos posibles.
 El modelo sin replicación
El modelo estadístico para este diseño es:

yij = µ + τi + βj + (τβ) ij + uij i = 1, 2, · · , a j = 1, 2, · · · , b , donde:

yij:Representa la observación correspondiente al nivel (i) del factor A y al nivel (j)

del factor B.
µ: Efecto constante denominado media global.
τi: Efecto producido por el nivel i-ésimo del factor A, (∑i τi = 0).
βj: Efecto producido por el nivel j-ésimo del factor B, (∑ j βj =0).
(τ β) ij: Efecto producido por la interacción entre A×B,
(∑i (τβ) ij = j (τβ) ij = 0).
uij son vv aa. independientes con distribución N (0, σ).
 ANOVA de dos factores: Ausencia de Interacción
Estima cuánta de la variabilidad observada en los datos (VD) puede ser
explicada por cada factor (VD) y la interacción de ambos.
Factor 2 g1 Factor 2 g1
Factor 2 g2 Factor 2 g2
VD VD

g1 g2 g3 g4 g1 g2 g3 g4
Factor 1 Factor 1
Factor 2 g1 Factor 2 g1
Factor 2 g2 Factor 2 g2
VD VD

g1 g2 g3 g4 g1 g2 g3 g4
Factor 1 Factor 1
ANOVA de dos factores: Interacción
 Sin interacción sexo dependencia

700
mujer hombre

700
650

600
600
psu

psu
550

500
500

400
450

1 1.5 2 2.5 3 1 1.5 2 2.5 3

1 1.5 2 2.5 3 depe
depe Graphs by sexo
ANOVA de dos factores: Interacción
Con interacción

Factor 2 g1
Factor 2 g1 Factor 2 g2
VD VD
Factor 2 g2

g1 g2 g3 g1 g2 g3
g4 g4
Factor 1 Factor 1
Factor 2 g1 Factor 2 g1
Factor 2 g2 Factor 2 g2
VD
VD

g1 g2 g3
g1 g2 g3
g4
g4
Factor 1
Factor 1
 ANOVA de dos factores: Interacción
700  Con interacción sexo dependencia

mujer hombre

700
600

600
psu

psu
500
500

400
400

1 1.5 2 2.5 3 1 1.5 2 2.5 3

1 1.5 2 2.5 3 depe
depe Graphs by sexo
Supondremos que se toma una observación por
cada combinación de factores, por tanto, hay un
total de N = ab observaciones
 Parámetros a estimar:
 A pesar de las restricciones impuestas al modelo,
∑i τi = j βj = ∑ i (τβ) ij = ∑ j (τβ) ij = 0,

el número de parámetros (ab + 1 supera al número

de observaciones (ab).

Por lo tanto, algún parámetro no será estimable

 Descomposición de la variabilidad
 La ecuación básica del análisis de la varianza es

que simbólicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas sumas
de cuadrados también se pueden expresar como:
 A partir de la ecuación básica del ANOVA se pueden construir los cuadrados
medios definidos como.

∗ Cuadrado medio total: CMT = (SCT) / (n − 1)

∗ Cuadrado medio de A: CMA = (SCA) / (a − 1)
∗ Cuadrado medio de B: CMB = (SCB) / (b − 1)
∗ C. medio de la interacción A × B: CM(AB) = (SC(AB)) / ((a − 1) (b − 1))
∗ Cuadrado medio residual: CMR = (SCR) / (ab (r − 1))
Análisis estadístico
 El objetivo del análisis es realizar los contrastes de hipótesis nula:
i) 𝐻0𝐴 ≡ τ1 = · · · = τa = 0. Es decir, considerando la presencia de las
interacciones con el factor B, contrastar si los efectos de los niveles del
factor A son nulos. El estadístico de contraste es.

Se rechaza H0A al nivel α si Fα(exp) > F(a−1), ab(r−1)

 ii) H0B ≡ β1 = · · · = βb = 0. Es decir, considerando la presencia de las
interacciones con el factor A, contrastar si los efectos de los niveles del factor
B son nulos. El estadístico de contraste es

Se rechaza H0B al nivel α si Fα(exp) > F(b−1), ab(r−1).

 iii) H0(AB) ≡ (τβ) ij = 0 para todo i, j. Es decir, contrastar si los
efectos de las interacciones entre los factores A y B son nulos. El
estadístico de contraste es

Se rechaza H0(AB) al nivel α si Fα(exp) > F(a−1) (b−1), ab(r−1)

La diagnosis y validación del modelo se realiza
igual que en los modelos anteriores.
 Ejemplo:
 En unos laboratorios se está estudiando los factores que influyen en la
resistencia de un tipo particular de fibra. Se eligen al azar cuatro máquinas y
tres operarios y se realiza un experimento factorial usando fibras de un mismo
lote de producción. Los resultados obtenidos se muestran en la tabla adjunta.
Analizar los resultados y obtener las conclusiones apropiadas.
 Para realizar el análisis organizamos los datos en forma
tabular de la manera siguiente:

Las Sumas de Cuadrados y la Tabla ANOVA se muestran a

continuación
 CONCLUSION
Realizando los contrastes al nivel de significación del 5 %, se concluye que es
significativo el efecto principal del “operario” (factor B) (Fcal = 21.14 > F0,05,2,12
= 3,885; p<0.05), pero no son significativos el efecto principal del tipo de
máquina (factor A) (Fcal = 1.10 < F0,05,3,12 = 3,49; p>0.05) y la interacción entre
el tipo de máquina y operario (factor A × B) (Fcal = 1.96<F0,05,6,12 = 2,996 ;
p>0.05).
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Operario 2 160.33 80.167 21.14 0.000
Tipo de 3 12.46 4.153 1.10 0.389
maquina
Operario*T 6 44.67 7.444 1.96 0.151
ipo de
maquina
Error 12 45.50 3.792
Total 23 262.96