4.1.

Diseos factoriales con dos factores

El experimento factorial ms sencillo es en el que intervienen solamente dos factores,
por ejemplo, A y B. Hay niveles del factor A y niveles del factor B. El experimento tiene
rplicas y cada rplica contiene todas las combinaciones de tratamientos .
Considere los factores A y B con y ( ) niveles de prueba,
respectivamente. Con ellos se puede construir el arreglo o diseo factorial , que
consiste de tratamientos. Se llama rplica cada repeticin completa del arreglo
factorial. Los diseos factoriales que involucran menos de cuatro factores se corren
replicados para poder tener la potencia necesaria en las pruebas estadsticas sobre los
efecto de inters, de tal forma que si se hacen rplicas, el nmero total de corridas
experimentales es ( ).

Efecto principal y efecto de interaccin

El efecto de un factor se define como el cambio observado en la variable de respuesta
debido a un cambio de nivel de tal factor. En particular, los efectos principales son los
cambios en la media de la variable de respuesta que se deben a la accin individual de
cada factor. En trminos matemticos, el efecto principal de un factor con dos niveles es
la diferencia entre la respuesta media observada cuando tal factor estuvo en su primer
nivel, y la respuesta media observada cuando el factor estuvo en su segundo nivel.

Ejemplo
Diseo factorial . Suponga que en un proceso de fermentacin tequilera, se tienen dos
factores A: tipo de levadura y B: temperatura, cada uno con dos niveles
denotados por respectivamente. La respuesta de inters es el rendimiento del proceso
de fermentacin. En la tabla 4.1 se muestran los cuatro
tratamientos o puntos del diseo factorial , y entre parntesis se ha indicado cada nivel
con los cdigos (1, -1). En el experimento original cada tratamiento se corri tres veces
(tres rplicas), lo cual da un total de 12 corridas del proceso pero, por simplicidad, en la
ltima columna de la tabla 4.1 slo se anotaron los resultados de la primera rplica.

Tabla 4.1 Diseo factorial

A: Levadura B: Temperatura Y: Rendimiento
28
41
63
45

Para los datos de la tabla 4.1, los efectos principales estn dados por

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Diseos factoriales con dos factores 115

Efecto A =

Efecto B =

por lo que en trminos absolutos el efecto principal de B es mayor. Por otra parte, se
dice que dos factores interactan entre s o tienen un efecto de interaccin sobre la
variable de respuesta, cuando el efecto de un factor depende del nivel en que se
encuentra el otro. Por ejemplo, los factores A y B interactan si el efecto de A es muy
diferente en cada nivel de B, o viceversa. Ahora veamos esto con los datos de la tabla
4.1: el efecto de A cuando B es baja est determinado por

Efecto A (con B bajo) = 41 - 28 = 13

y cuando la temperatura es alta, el efecto de A es

Efecto A (con B alta) = 45 - 63 = 13

Como estos dos efectos de A en funcin del nivel de B son muy diferentes,
entonces es evidencia de que la eleccin ms conveniente del nivel de A depende del
nivel en que est B, y viceversa. Es decir, eso es evidencia de que los factores de A y B
interactan sobre Y. En la prctica, el clculo del efecto A en cada nivel de B no se hace,
y ms bien se calcula el efecto global de la interaccin de los dos factores, que se
denotan por AB y se calculan como la diferencia entre la respuesta media cuando ambos
factores se encuentran en el m ismo nivel: (-1, -1); (1, 1), y la respuesta media cuando
los factores se encuentran en niveles opuestos: (-1, 1) (1, -1). Para el ejemplo, el efecto
de interaccin levadura x temperatura est dado por

Los valores absolutos (sin importar el signo) de los efectos principales y del
efecto de interaccin son una medida de importancia de su efecto sobre la variable de
respuesta. Sin embargo, como se tienen estimaciones muestrales, para saber si los
efectos son estadsticamente significativos (diferentes de coro) se requiere el anlisis de
varianza (ANOVA).

Modelo estadstico
Con un diseo factorial se pueden estudiar los dos efectos individuales y el efecto de
interaccin de ambos factores. En trminos estadsticos, lo que se afirma es que el
comportamiento de la respuesta Y en el experimento con k rplicas se podra describir
mediante el modelo de efectos:

donde es la media general, es el efecto debido al i-simo nivel del factor es el efecto del
j-simo nivel del factor B, representa al efecto de interaccin en la

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

116 CAPTULO 4 Diseos factoriales

combinacin es el error aleatorio que supone sigue una distribucin con media
cero y varianza constante y son independientes entre s. Para que la
estimacin de los parmetros en este modelo sea nica, se introducen las restricciones:

Es decir, los efectos dados en el modelo son desviaciones respecto de la media

global. Puede usarse el anlisis de varianza para probar hiptesis relativas a los efectos
principales de los factores A y B y la interaccin AB.
En este modelo, las hiptesis de inters para los tres efectos son:

Estas hiptesis se prueban mediante la tcnica de anlisis de varianza que para

un diseo factorial con rplicas resulta de descomponer la variacin total como,

donde los respectivos grados de libertad de cada una de ellas son:

El factor en los grados de libertad de la suma de cuadrados del error

( ) seala que se necesitan al menos dos rplicas del experimento para calcular ese
componente y, por ende, para construir una tabla de ANOVA. Recordemos que las
sumas de cuadrados divididas entre sus correspondientes grados de libertad se llama
cuadrados medios . Al dividir stos entre el cuadrado medio del error se obtienen
estadsticos de prueba con distribucin F. Toda esta informacin se sintetiza en la
siguiente tabla:

ANOVA para el diseo factorial

FV SC GL CM Valor-p
Efecto A
Efecto B
Efecto AB
Error
Total

Si el valor-p es menor al nivel de significancia prefijado, se rechaza la hiptesis

nula y se concluye que el correspondiente efecto est activo o influye en la variable de
respuesta.

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Diseos factoriales con dos factores 117

Recordemos la notacin de puntos para representar sumas y medias:

Con esta notacin la suma de cuadrados totales es:

donde N = es el total de observaciones en el experimento. Las sumas de cuadrados de

efectos son:

y al final, al restar stas del total, se obtiene la suma de cuadrados del error como:

Ejemplo
Consideremos un experimento en el que se quiere estudiar el efecto de los factores A:
profundidad de corte sobre el acabado de un metal y B: velocidad de alimentacin.
Aunque los factores son de naturaleza continua, en este proceso slo se puede trabajar
en 4 y 3 niveles, respectivamente. Por ello, se decide correr un factorial completo 4 x 3
con tres rplicas, que permitir obtener toda la informacin relevante en relacin al
efecto de esos factores sobre el acabado. Al aleatorizar las 36 pruebas se obtienen los
datos de la siguiente tabla:

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

118 CAPTULO 4 Diseos factoriales

Datos del experimento factorial 4 x 3

B: velocidad
0,20 0,25 0,30 Total
0,15 74 92 99
64 198 86 266 98 299 763
60 88 102
0,18 79 98 104

Profundidad
68 220 104 290 99 298 808
73 88 95
0,21 82 99 108
88 262 108 302 110 317 881
92 95 99
A:

0,24 99 104 114

104 299 110 313 111 332 944
96 99 107
Total 979 1 171 1 246

El acabado ( ) est en unidades de gramos e interesa minimizar su valor

De acuerdo a esto para obtener el ANOVA para el ejemplo, calculemos los

totales necesarios. De donde:

La suma de cuadrados totales y la suma de cuadrados del error estn dadas por

Con esta informacin se construye el anlisis de varianza de la tabla 4.2. Del

ANOVA se concluye que los tres efectos A: velocidad, B: profundidad y AB estn
activos o influyen en el acabado. Dado que el efecto de integracin AB resulta
significativo, prcticamente toda la informacin relevante del experimento se aprecia en
su representacin grfica (figura 4.1). Ntese que aparecen tantas lneas como niveles
tenga el factor que se dibuja en la parte de arriba, que en este caso es la profundidad con
sus cuatro niveles que se denotan con la escala de -1 a 1. La significancia de la
interaccin detectada por el ANOVA se observa en el hecho de que las lneas en la
figura 5.1 tienen pendientes relativamente diferentes. Como lo que interesa es
minimizar la variable de respuesta, se observa que a mayor velocidad y profundidad hay
una tendencia a obtener peores acabados. Adems se ve que cuando se tiene velocidad

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Diseos factoriales con dos factores 119

alta ( ) el efecto de profundidad es menor (vase la dispersin de las lneas en la figura

cuando la velocidad es alta). Por lo tanto, las condiciones de operacin o tratamiento
que convienen es profundidad y velocidad bajas ( ).

El ANOVA de la tabla 5.2 se dice que no est desglosado, ya que cuando en un

experimento hay factores cuantitativos con ms de dos niveles, el ANOVA se puede
desglosar para estudiar con mayor detalle en el efecto de tal factor.

Tabla 5.2 ANOVA para el ejemplo

FV SC GL CM Valor-p
B: velocidad 3 160.5 2 1 580,25 55,02 0,0000
A: profundidad 2 125,10 3 708,37 24,66 0,0000
AB 557,07 6 92,84 3,23 0,0180
Error 689,33 24 28,72
Total 6 532,0 35

El planteamiento de hiptesis quedara de la siguiente manera:

Con su nivel de significancia como con sus grados de libertad respectivamente

tenemos que el valor de F crtica es: y Se concluye que

Se rechaza

Se rechaza

Se acepta

Resultado arrojado en Minitab para el ejemplo anterior

Factores: 2 Rplicas: 3
Corridas base: 12 Total de corridas: 36
Bloques base: 1 Total de bloques: 1

Nmero de niveles: 4; 3

Modelo lineal general: RESPUESTA vs. PRFUNDIDAD; VELOCIDAD

Factor Tipo Niveles Valores

PRFUNDIDAD A fijo 4 0.15; 0.18; 0.21; 0.24
VELOCIDAD B fijo 3 0.20; 0.25; 0.30

Anlisis de varianza para RESPUESTA, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P

PRFUNDIDAD A 3 2125,11 2125,11 708,37 24,66 0,000
VELOCIDAD B 2 3160,50 3160,50 1580,25 55,02 0,000
PRF.*VEL. AB 6 557,06 557,06 92,84 3,23 0,018
Error 24 689,33 689,33 28,72
Total 35 6532,00

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

120 CAPTULO 4 Diseos factoriales

Comparacin de medias

Las comparaciones de medias se introdujeron en la seccin Diseo completamente al

azar y ANOVA del captulo 2, para despus de un ANOVA en el que se rechaza ,
investigar cules medias causa las diferencias detectadas. El ANOVA slo indica que al
menos un par de niveles del factor significativo son diferentes entre s, pero no dice
cules son. Por facilidad, denotemos los cuatro niveles de la profundidad (A) del
ejemplo anterior como as como los tres niveles de la velocidad (B)
como Entonces es, los seis pares de hiptesis para comparar las medias del
factor A son:

mientras que para el factor B se tienen los tres pares de hiptesis,

Para probar estas hiptesis con el mtodo LSD habra que calcular las
diferencias muestrales en el valor absoluto y compararlas con la diferencia mnima
significativa. Cabe aclarar que este anlisis es engaoso cuando el efecto de interaccin
es significativo. Por ello, y slo por ilustrar el mtodo, se prueban las hiptesis del
factor A ignorando por el momento la interaccin. La diferencia mnima significativa
para comparar los niveles del factor A, est dada por:

Donde es el punto porcentual 100( de la distribucin T de

Student, los grados de libertad del cuadrado medio del error, y son el
total de observaciones en los niveles del factor A, que estn comparando. De esta
manera, en el ejemplo, como es un diseo balanceado = = 9; entonces,

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Comparacin de medias 121

De los totales marginales dados en el rengln inferior de la tabla donde se

representan los datos del experimento factorial 4 x 3, se obtienen las medias del factor
A, al dividir entre 9, que son el nmero de mediciones involucradas en cada total. As,
las seis posibles diferencias muestrales en valor absoluto resultan ser:

donde slo la primer diferencia resulta no significativa, es decir, se acepta

; en cambio, en las cinco comparaciones restantes se rechaza .

Ejercicios

1.- La pintura tapaporo de aviones se aplica en superficies de aluminio utilizando dos

mtodos: por inmersin y por aspersin. El objeto de la pintura tapaporo es mejorar la
adherencia de la pintura, y en algunas partes puede aplicarse utilizando cualquiera de
los dos mtodos. Al grupo de ingenieros responsable del proceso de esta operacin le
interesa saber si tres pinturas tapaporo diferentes difieren en sus propiedades de
adherencia. Se realiz un experimento factorial para investigar el efecto que tiene el tipo
de pintura tapaporo y el mtodo de aplicacin sobre la adherencia de la pintura. Se
pintaron tres ejemplares de prueba con cada pintura utilizando cada uno de los mtodos
de aplicacin, se aplico la pintura final, y se midi la fuerza de adherencia. Probemos la
hiptesis apropiada y saquemos conclusiones

Tipo de Inmersin Aspersin

tapaporo
1 4.0, 4,5 4.3 12.8 5.4, 4.9, 5.6 15.9 28.7
2 5.6, 4.9, 5.4 15.9 5.8, 6.1, 6.3 18.2 34.1
3 3.8, 3.7, 4.0 11.5 5.5, 5.0, 5.0 15.5 27.0
40.2 49.6 89.8 =

Resultado en Minitab
Diseo factorial de mltiples niveles

Factores: 2 Rplicas: 3
Corridas base: 6 Total de corridas: 18
Bloques base: 1 Total de bloques: 1

Nmero de niveles: 3; 2

Modelo lineal general: Respuesta vs. Tapaporo; Adherencia

Factor Tipo Niveles Valores

Tapaporo fijo 3 1; 2; 3

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

122 CAPTULO 4 Diseos factoriales

Adherencia fijo 2 Inmersin; Aspersin

Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P

Tapaporo 2 4,5811 4,5811 2,2906 27,86 0,000
Adherencia 1 4,9089 4,9089 4,9089 59,70 0,000
Tapaporo*Adherencia 2 0,2411 0,2411 0,1206 1,47 0,269
Error 12 0,9867 0,9867 0,0822
Total 17 10,7178

S = 0,286744 R-cuad. = 90,79% R-cuad.(ajustado) = 86,96%

Dado que utilizamos un = 0.05 y puesto que el valor de tanto para el factor
A (tipo de pintura) como para el factor B(tipo de aplicacin), con su nivel de
significancia como con sus grados de libertad respectivamente tenemos
y . Se concluye que los efectos principales del tipo de pintura tapaporo y del
mtodo de aplicacin afectan la fuerza de adherencia. Adems, puesto
que 1,5 , no hay indicios de interaccin entre estos factores. En la ltima columna del
ANOVA se muestra el valor P para cada cociente F. Obsrvese que los valores P de los
dos estadsticos de prueba para los efectos principales son considerablemente menores
que 0,05 mientras que el valor P para el estadstico de prueba de la interaccin es mayor
que 0,05.

Se rechaza

Se rechaza

Se acepta

2.- Se presentan los resultados de un experimento en el que interviene una batera de

almacenamiento usada en el mecanismo de lanzamiento de un misil tierra-aire para
cargar al hombro. Pueden usarse tres tipos de materiales para hacer las placas de la
batera. El objetivo es disear una batera que se mantenga relativamente sin
alteraciones por la temperatura ambiente. La respuesta de salida de la batera es la vida
efectiva en horas. Se seleccionan tres niveles de temperatura y se corre un experimento
factorial con cuatro replicas. Los datos son los siguientes:

Material Temperatura (
Baja Media Alta
1 130 155 34 40 20 70
74 180 80 75 82 58
2 150 188 136 122 25 70
159 126 106 115 58 45
3 138 110 174 120 96 104
168 160 150 139 82 60

a) Pruebe las hiptesis apropiadas y saque conclusiones utilizando el anlisis de

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Ejercicios 123

b) varianza con = 0.05

c) Analice grficamente la interaccin
d) Analice los residuales de este experimento

3.- En un artculo se describe un experimento para investigar el efecto de dos factores

(tipo de cristal y tipo de fsforo) sobre la brillantez de un cinescopio. La variable de
respuesta media es la corriente (en microamperes) necesaria para obtener un nivel
especifico de brillantez. Los datos se presentan en la siguiente tabla:

Tipo de Tipo de fsforo

cristal 1 2 3
1 280 300 290
290 310 285
285 295 290
2 230 260 220
235 240 225
240 235 230

a) Enuncie las hiptesis de inters en este experimento

b) Pruebe las hiptesis anteriores y saque conclusiones utilizando anlisis de
varianza con = 0.05
c) Analice los residuales de este experimento

4.- Se condujo un experimento para determinar si la temperatura del fuego o la

posicin en el horno afectan la densidad de endurecimiento de un nodo de carbono.
Los datos son los siguientes:

Posicin Temperatura ( )
800 825 850
1 570 1 063 565
565 1 080 510
583 1 043 590
2 528 988 526
547 1 026 538
521 1 004 532

a) Enuncie las hiptesis de inters

b) Pruebe las hiptesis anteriores utilizando el anlisis de varianza con = 0.05.
A qu conclusiones se llega?
c) Utilizando el mtodo de la LSD de Fisher, investigar las diferencias entre la
media de la densidad del endurecimiento de los nodos en los tres
diferentes niveles de temperatura

4.2. Diseos factoriales con tres factores

Cuando se quiere investigar la influencia de tres factores (A, B y C) sobre una o ms

variables de respuesta, y el nmero de niveles de prueba en cada uno de los factores es
a, b y c, respectivamente, se puede construir el arreglo factorial , que consiste de
tratamientos o puntos experimentales. Entre los arreglos de este tipo que se utilizan con
frecuencia en aplicaciones diversas se encuentran: el factorial , el

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

124 CAPTULO 4 Diseos factoriales

factorial y los factoriales mixtos con no ms de cuatro niveles en dos de los factores, por
ejemplo, el factorial 4 x 3 x 2 y el factorial 4 x 4 x 2, por mencionar dos de ellos.

Hiptesis de inters
El estudio factorial de tres factores (A, B y C) permite investigar los efectos: A, B, C,
AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden estudiarse
depende del nmero de niveles utilizando en cada factor. Por ejemplo, si un factor se
prueba en dos niveles, todo su efecto marginal (individual) es lineal, o sea que su efecto
individual no se puede descomponer; pero, si tuviera tres niveles su efecto marginal se
puede descomponer en una parte lineal y otra cuadrtica pura.

En resumen, se tienen siete efectos de inters sin considerar desglose, y con ellos
se pueden plantar las siete hiptesis nulas

cada una aparejada con su correspondiente hiptesis alternativa. El ANOVA para probar
estas hiptesis se muestran en la siguiente tabla.

ANOVA para el diseo a x b x c

FV SC GL CM Valor-p
Efecto A
Efecto B
Efecto C
Efecto AB
Efecto AC
Efecto BC
Efecto ABC
Error
Total

Al efecto cuyo valor-p sea menor al valor especificado para alfa, se declara
estadsticamente significativo o se dice que est activo. Las sumas de cuadrados son
muy similares a las obtenidas para dos factores; habr que considerar un subndice
adicional para el tercer factor, y comenzando otra vea, por la suma total de cuadrados,
stas resultan ser:

donde N = es el total de observaciones en el experimento. Las sumas de cuadrados

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Diseos factoriales con tres factores 125

de efectos son:

Al restar stas del total, la suma de cuadrados del error resulta ser

cuyos respectivos grados de libertad se dan en la tabla anterior. Una vez hecho el
ANOVA, se procede a interpretar los efectos activos, y luego (aunque no
necesariamente despus) a diagnosticar la calidad del modelo.

Ejemplo
El experimento. Se desea investigar el efecto del tipo de suspensin (A), abertura de
malla (B) y temperatura de ciclaje (C) en el volumen de sedimentacin Y(%) de una
suspensin. Para ello se decide correr un experimento factorial 3 x 2 x 2 con seis
rplicas, y las observaciones obtenidas en las 72 corridas experimentales se muestran en
la siguiente tabla:

60, 75, 75 67, 73, 73 62, 68, 65 71, 80, 80 76, 71, 75 75, 75, 75
86, 70, 70 67, 68, 68 76, 65, 65 72, 80, 80 70, 68, 73 75, 75, 77
55, 53, 53 52, 52, 57 44, 44, 45 60, 60, 60 52, 51, 50 56, 55, 57
55, 55, 55 52, 54, 54 48, 48, 45 67, 67, 65 52, 48, 54 59, 50, 55

Los niveles de prueba para cada factor, tanto en unidades originales como en
unidades codificadas, se muestran en la siguiente tabla

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

126 CAPTULO 4 Diseos factoriales

Factor U. originales U. codificadas

Bajo Medio Alto Bajo Medio Alto
A: Tipo de suspensin -1 0 1
B: Abertura de malla 40 - 60 -1 - 1
C: Temperatura 0 - 30 -1 - 1

El anlisis de varianza para este ejemplo se muestra en la siguiente tabla. De

aqu se concluye que no influyen los efectos ABC, AC ni A, dado que su valor-p es
mayor que . Por otra parte, se encuentran activos los efectos B, C, AB y en menor
medida BC. stos son los cuatro efectos que se deben interpretar. Los efectos que no
influyeron se pueden eliminar mandndolos al trmino error. El ANOVA
simplificado, pero con el efecto A note que el en ambos ANOVAS es prcticamente
igual. En general se recomienda interpretar slo los efectos significativos.

Diseo factorial de mltiples niveles

Factores: 3 Rplicas: 6
Corridas base: 12 Total de corridas: 72
Bloques base: 1 Total de bloques: 1

Nmero de niveles: 3; 2; 2

Modelo lineal general: Respuesta vs. Suspensin; Abertura de malla; ...

Factor Tipo Niveles Valores

Suspensin fijo 3 A1; A2; A3
Abertura de malla fijo 2 B1; B2
temperatura fijo 2 C1; C2

Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P

Suspensin 2 13,86 13,86 6,93 0,49 0,613
Abertura de malla 1 480,50 480,50 480,50 34,25 0,000
temperatura 1 6086,72 6086,72 6086,72 433,90 0,000
Suspensin*Abertura de malla 2 788,25 788,25 394,13 28,10 0,000
Suspensin*temperatura 2 40,86 40,86 20,43 1,46 0,241
Abertura de malla*temperatura 1 56,89 56,89 56,89 4,06 0,049
Suspensin*Abertura de malla* 2 31,03 31,03 15,51 1,11 0,338
temperatura
Error 60 841,67 841,67 14,03
Total 71 8339,78

S = 3,74537 R-cuad. = 89,91% R-cuad.(ajustado) = 88,06%

Observaciones inusuales de Respuesta

Residuo
Obs Respuesta Ajuste Ajuste SE Residuo estndar
23 60,0000 72,6667 1,5290 -12,6667 -3,70 R
36 76,0000 66,8333 1,5290 9,1667 2,68 R
52 86,0000 72,6667 1,5290 13,3333 3,90 R

R denota una observacin con un residuo estandarizado grande.

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Diseos factoriales con tres factores 127

Dado que utilizamos un = 0.05 y puesto que el valor de , con su nivel de

significancia como con sus grados de libertad en tablas respectivamente tenemos
y .
; Se acepta
; Se rechaza
; Se rechaza
, Se rechaza
; Se acepta
, Se rechaza

Ejercicios
1.- Se investigan el porcentaje de la concentracin de madera dura en la pulpa cruda, la
libertad de orientacin de la fibra o lof, y el tiempo de coccin de la pulpa en cuanto a
sus efectos sobre la resistencia del papel. En la siguiente tabla se muestran los datos de
un experimento factorial con tres factores.

Porcentaje de la 1.5 horas de tiempo de coccin 2.0 horas de tiempo de coccin

Concentracin de lof lof
Madera dura 350 500 650 350 500 650
10 96.6 97.9 99.4 98.4 99.6 1000.6
96.0 96.0 99.8 98.6 100.4 100.9
15 98.5 96.0 98.4 97.5 98.7 99.0
97.2 96.9 97.6 98.1 96.0 99.0
20 97.5 95.6 97.4 97.6 97.0 98.5
96.6 96.2 98.1 98.4 97.8 99.8

a) Analice los datos usando el anlisis de varianza bajo el supuesto de que todos
los factores son fijos. Use
b) Encuentre los valores de P de los cocientes F del inciso a

2.- El departamento de control de calidad de una planta de acabados textiles estudia los
efectos de varios factores sobre el teido de una tela combinada de algodn y fibra
sinttica que se usa para hacer camisas. Se seleccionan tres operadores, tres duraciones
del ciclo y dos temperaturas, y tres ejemplares de prueba pequeos de tela se tieron
bajo cada conjunto de condiciones. La tela terminada se compar con un patrn y se
asigno una puntuacin numrica. Los resultados se presentan en la tabla siguiente

Temperatura
300 350
Operador Operador
Duracin del ciclo 1 2 3 1 2 3
40 23 27 31 24 38 34
24 28 32 23 36 36
25 26 28 28 35 39
50 36 34 33 37 34 34
35 38 34 39 38 36
36 39 35 35 36 31
60 28 35 26 26 36 28
24 35 27 29 37 26
27 34 25 25 34 34

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

128 CAPTULO 4 Diseos factoriales

a) Enuncie y pruebe las hiptesis apropiadas usando el anlisis de varianza con

3.- Un ingeniero mecnico estudia la rugosidad superficial de una pieza producida en

una operacin de corte de metal. Son de inters tres factores: la rapidez de alimentacin
(A), la profundidad del corte (B) y el ngulo de la herramienta (C). A los tres factores se
les ha asignado dos niveles, y se corren dos rplicas de un diseo factorial

Profundidad del corte

0.025 pulgada 0.04 pulgada
Rapidez de ngulo de la herramienta
alimentacin 15 25 15 25
30 pulg/min 9 11 9 10
7 10 11 8
30 pulg/min 10 10 12 16
12 13 15 14

a) Analice los datos usando el anlisis de varianza bajo el supuesto de que todos
los factores son fijos. Use
b) Encuentre los valores de P de los cocientes F del inciso a

4.3. Diseo factorial general

Lo que se ha dicho para los dos diseos factoriales con 2 y 3 factores puede extenderse
fcilmente para cuando se tienen ms factores. Considerarse factores A, B, C,, K
con niveles respectivamente, donde la letra K denota al -simo o ltimo factor del
conjunto a estudiar, no necesariamente el undcimo, que es el lugar de esta letra en el
alfabeto. Con estos niveles y factores se puede construir el diseo factorial
general que consiste de tratamientos o puntos de prueba.
Con este diseo se pueden estudiar efectos principales, interacciones
dobles, interacciones triples, y as sucesivamente hasta la
nica interaccin de los factores (ABCK). El clculo del nmero de interacciones
de cierta cantidad de factores se hace mediante la operacin combinaciones de en
que cuenta el nmero de diferentes maneras de seleccionar
factores de los , donde =

Por ejemplo, el diseo factorial tiene cinco efectos principales, 10

interacciones dobles, 10 interacciones triples, cinco interacciones cudruples y una
interaccin quntuple, lo cual da un total de 31 efectos. Por su parte, el factorial tambin
tiene este mismo nmero de efectos, pero al contar con tres niveles en cada factor, cada
efecto principal se puede descomponer en su parte lineal y cuadrtica. Cabe destacar
que mientras el diseo factorial tiene 32 tratamientos, el factorial tiene 243, una
cantidad de tratamientos difcil de manejar. Aun si pudiera correrse, representa una
opcin muy ineficaz; adems, existen arreglos experimentales ms pequeos y
eficientes.

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Diseo factorial general 129

De acuerdo con lo antes dicho, en el factorial general se pueden plantear

hiptesis que se prueban mediante el anlisis de varianza. Si se tienen
rplicas. Las primeras tres columnas de este ANOVA se muestran en la siguiente tabla

ANOVA para el diseo factorial general

FV SC GL

Error
Total

La suma de cuadrados totales est dada por:

donde N = es el total de observaciones en el experimento. Las sumas de cuadrados de

efectos son:

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

130 CAPTULO 4 Diseos factoriales

Al final, la suma de cuadrados del error se calcula por sustraccin,

En el ANOVA para el factorial general se observa la necesidad de contar con al

menos dos rplicas del experimento para calcular la suma de cuadrados del error ( ), y
completar toda la tabla ANOVA. Sin embargo, esta necesidad de rplicas
( , que se ha mencionado,. Es para el caso irreal de que interesan los
efectos. Pero resulta que, con excepcin del factorial , en un factorial completo
prcticamente nunca interesan todos sus posibles efectos, puesto que en trminos
generales slo algunos de ellos estn activos. El principio de Pareto, que en este
contexto tambin se llama principio de esparcidad de efectos, dice que la mayora de la
variabilidad observada se debe a unos pocos de los efectos posibles; por lo comn se
debe a algunos efectos principales e interacciones dobles.

4.4. Modelos de efectos aleatorios

Hasta aqu los modelos de efectos que se han utilizado son modelos de efectos o
factores fijos, lo cual significa que todos los niveles de prueba en cada factor son todos
los disponibles para ese factor, o bien, se estudian todos los niveles de inters en ese
factor; es en este sentido que los niveles estn fijos. ste es el caso, por ejemplo, cuando
en el factor operador se toman los tres nicos operadores como los niveles de prueba, o
cuando los niveles del factor mquinas son las cuatro mquinas existentes. O bien,
cuando se comparan tres tipos de material porque son los que interesa comprar aunque
existan otros materiales de ese tipo. Con factores fijos, las conclusiones obtenidas slo
son validas para los niveles de prueba que se estudian en el experimento.

En ocasiones, los niveles de prueba son una muestra aleatoria de la poblacin de

niveles posibles. En este caso es ms apropiado utilizar un modelo de efectos o factores
aleatorios. Un ejemplo de esta situacin es cuando se prueban cinco instrumentos de
medicin, pero la poblacin de los mismos es de 100 instrumentos; obviamente, no es
posible experimentar con todos los equipos. Entonces se experimenta slo con cinco de
ellos elegidos al azar, y las conclusiones obtenidas se infieren como vlidas para la
poblacin entera de instrumentos.

La aplicacin de un modelo de efectos aleatorios conlleva la necesidad de

considerar la incertidumbre asociada con la eleccin aleatoria de los niveles de prueba.
Es decir, ya no tiene sentido, para un factor A, preocuparse por el efecto del nivel

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Modelo de efectos aleatorios 131

como en efectos fijos. Lo que ahora (con efectos aleatorios) tiene sentido es hablar de la
varianza con la que el factor aleatorio contribuye a la variacin total; es decir, es preciso
estimar dicha varianza y probar si su contribucin a la variabilidad total es significativa.

El caso de dos factores aleatorios.

Si se consideran dos factores aleatorios A y B, de los cuales se prueban niveles
elegidos de una poblacin grande de niveles, entonces si los tratamientos se
replican veces, el modelo de efectos aleatorios es

donde es la media general, es el efecto debido al nivel del factor A,

es el efecto del nivel del factor B, representa al efecto de interaccin
en la combinacin y es el error aleatorio que se supone sigue una distribucin
normal con media cero y varianza constante, y son independientes entre s. El
aspecto de este modelo es igual al de efectos fijos, pero el hecho de que los efectos sean aleatorios implica que no tiene sentido probar
hiptesis directamente sobre tales efectos (medidas), sino que ahora el inters se enfoca en estudiar la varianza de dichos efectos.

Para ello, se supone que los trminos son variables aleatorias

independientes normales, con media cero y varianzas , , , y ,
respectivamente.

De esta manera, si se calcula la varianza en ambos lados del modelo anterior, se

obtiene el modelo de componentes de varianza dado por:

+ + +

donde , , son las contribuciones de cada efecto a la variacin total y se llaman

componentes de varianza; es el componente de varianza debido al error aleatorio.
Las hiptesis de inters son

Los clculos necesarios para probar estas hiptesis involucran las mismas sumas
de cuadrados del modelo de efectos fijos (diseos factoriales con dos factores), de las
cuales se obtienen los correspondientes cuadrados medios. Para obtener los estadsticos
de prueba apropiados debe tomarse en cuenta que los valores esperados de los
cuadrados medios son

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

132 CAPTULO 4 Diseos factoriales

de tal forma que para probar la hiptesis mencionadas, los estadsticos de prueba
apropiados en el ANOVA son

respectivamente. Observe que en el modelo de efectos aleatorios los cuadrados medios

de los efectos principales se comparan con el cuadrado medio de la interaccin, y no
con el cuadrado medio del error, como se hace en el modelo de efectos fijos. En caso de
rechazar alguna de las hiptesis sobre las varianzas, se concluye que el efecto
correspondiente contribuye de manera significativa a la variacin de la respuesta. La
conclusin prctica no consiste en determinar el mejor tratamiento, sino que
generalmente se traduce en tomar medidas para que la contribucin del componente de
varianza se reduzca.

Al resolver las ecuaciones dadas por los valores esperados de cuadrados medios
para los componentes de varianza, se obtienen estimadores de stos en funcin de los
cuadrados medios del error, esto es,

Ejemplo
En una compaa dedicada a la fabricacin de bombas y vlvulas, algunos componentes
crticos tienen tolerancias muy estrechas que son difciles de cumplir. De aqu que sea
necesario estimar el error de medicin con el fin de ver la posibilidad de reducirlo para
cumplir con las especificaciones. El ancho de una pieza particular es una caracterstica
de calidad crtica, cuyas especificaciones son 69 0,4mm. Se eligen dos inspectores al
azar y siete piezas para correr un experimento, a fin de estimar la contribucin de los
inspectores, de las piezas y del error aleatorio (repetibilidad) en la variabilidad total
observada. El experimento utilizado se muestra en la siguiente tabla:

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Modelo de efectos aleatorios 133

Nmero de Inspector Z Inspector W

piezas 1 2 1 2
1 69,38 69,60 69,62 69,52
2 39,72 69,80 69,78 69,90
3 69,58 69,70 69,70 69,92
4 69,50 69,50 69,46 69,50
5 69,48 69,40 69,50 69,42
6 69,56 69,40 69,68 69,64
7 69,90 70,02 69,94 69,88

Ntese que cada inspector mide dos veces cada pieza. Sean los inspectores el
factor A y las piezas el factor B, el primero con dos niveles y el segundo con siete
niveles, en ambos casos seleccionados al azar. El modelo de componentes de varianza
propuesto para describir estos datos es donde es el componente de varianza de los
inspectores, es el componente debido a las piezas, es el componente de interaccin de
ambos factores y es el componente aleatorio. Interesa probar las hiptesis:

y estimar los componentes de varianza. El ANOVA para probar estas hiptesis se

muestran en la siguiente tabla.

FV SC GL CM Valor-p
A: Insp. 0,00036 1 0,00036 0,069 0,8043
B: Pieza 0,7516 6 0,1252 24,07 0,0000
AB 0,0313 6 0,0052 0,75 0,6169
Error 0,097 14 0,0069
Total 0,8803 27

Las tres primeras columnas se obtienen igual que el modelo de efectos fijos,
pero las dos ltimas deben corregirse de acuerdo con el estadstico de prueba apropiado
ra un modelo de efectos aleatorios ( y ). Los valor-p indican que la variabilidad de
las piezas es
estadsticamente diferente a cero, mientras que la variabilidad de los inspectores y de la
interaccin inspector x pieza no es significativa (es igual a cero). Desde el punto de
vista del objetivo del experimento, los resultados del ANOVA son los deseados: la
reproducibilidad ( + ) es estadsticamente igual a cero, es decir, los inspectores no
afectan el proceso de medicin. La estimacin de los componentes de varianza, a partir
de los cuadros medios, queda como:

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

134 CAPTULO 4 Diseos factoriales

De aqu se concluye que la reproducibilidad ( + ) no tiene

contribucin y la repetibilidad expresada como 5.15 es igual a 0,428. Si este valor se
compara con la tolerancia de 0.8, se encuentra que ocupa 53% de sta, cuando lo
deseable es que este porcentaje sea menor al 10%, por lo que el instrumento es
inadecuado para discriminar entre piezas buenas y malas.

4.5. Uso de un software estadstico

Utilizando Minitab

1. El primer paso consisten en seleccionar la opcin Estadsticas del Men Principal de

Minitab y, dentro de esa opcin, seleccionar la opcin DOE luego Factorial y Crear
diseo factorial como se presenta en la siguiente Figura.

2. Como consecuencia de la accin anterior le debe aparecer la siguiente pantalla

<<Crear diseo factorial>>. El paso en esta pantalla ser seleccionar en Tipo de
diseo la casilla de Diseo factorial completo general luego escoger el nmero de
factores considerados en el experimento (en nuestro ejemplo son dos factores: A y B),
por tanto en la casilla <<Nmero de factores>> usted deber tener el nmero 2. Luego

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Uso de software 135

debe oprimir el botn de la opcin <<Diseos>> para poder escoger su diseo, nmero
de repeticiones y otras opciones.

3. En la siguiente ventana escribir el nombre de nuestros factores A y B, adems de

indicar el numero de niveles para ambos (4 y 3 respectivamente), tambin indicar que
realizamos tres repeticiones por tratamiento, para esto en la casilla <<Nmero de
replicas>>, usted deber tener el valor de 3. Finalice esta pantalla oprimiendo
<<Aceptar>>. Esto lo devolver a la pantalla anterior <<Crear diseo factorial>>.

4. De vuelta en la pantalla <<Crear diseo factorial>>. Seleccionar factores y

aparecer una siguiente ventana.

En la casilla <<Tipo>> seleccionar texto para ambos factores, <<Valores de nivel>> ,

indicar los valores correspondientes tanto para el factor A as como para el factor B,
luego indicar aceptar, lo que lo llevara nuevamente a la pantalla <<Crear diseo
factorial>>.

5. De vuelta a la pantalla <<Crear diseo factorial>> oprima <<Aceptar>>.

MINITAB le crear la siguiente pantalla. Minitab crea las columnas de los tratamientos,
lo nico que usted tiene que ingresar a MINITAB es una columna
con la respuesta del experimento. Proceda entonces a ingresar los datos en la columna
C7

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

136 CAPTULO 4 Diseos factoriales

6. Una vez capturados los datos (estos datos debern corresponder al factor A con
respecto a factor B de acuerdo a la tabla original) en su correspondiente rengln. El
siguiente paso es regresar al paso 1.

slo que esta vez seleccionara la secuencia: <<Estadsticas>> seguida de

<<DOE>>, <<Factorial>> y <<Analizar diseo factorial>>.

Instituto Tecnolgico de Ensenada Biol. Ral Jimnez Gonzlez

 Uso de software 137

Esta accin resultar en la pantalla donde slo es necesario indicar la columna de

la variable de respuesta <<Respuesta>> seguido de aceptar y MINITAB le ofrecer el
resultado correspondiente.

Para capturar los datos en Minitab, de tres factores, es idntico al de dos

factores, solo que en la ventana correspondiente indicar que se trata de tres factores, y se
aplica la misma secuencia.