Diseo de experimentos p.

1/25
Diseos Factoriales
Diseo de experimentos p. 2/25
Introduccin
El trmino experimento factorial o arreglo factorial se reere
a la constitucin de los tratamientos que se quieren comparar.
Diseo de tratamientos es la seleccin de los factores a
estudiar, sus niveles y la combinacin de ellos.
El diseo de tratamientos es independiente del diseo
experimental que indica la manera en que los tratamientos se
aleatorizan a las diferentes u.e. y las formas de controlar la
variabilidad natural de las mismas.
As, el diseo experimental puede ser completamente al azar,
bloques al azar, bloques al azar generalizados, cuadro latino,
etc. y para cada uno de estos diseos se puede tener arreglo
factorial de los tratamientos, si estos se forman por la
combinacin de niveles de varios factores.
A ambos tipos de diseos, el de tratamientos y el
experimental, les corresponde un modelo matemtico.
Diseo de experimentos p. 3/25
Introduccin
As, por ejemplo, si el diseo experimental es bloques al azar,
el modelos es:
y
ij
= +
i
+
j
+
ij
respuesta = media general + efecto de tratamiento + efecto de
bloque + error
Si se trata de un diseo factorial, los tratamientos se forman
combinando los niveles de los factores en estudio, de manera
que el efecto del tratamiento
i
se considera a su vez
compuesto de los efectos de los factores y sus interacciones.
Por ejemplo, si son dos factores en estudio se tiene:

i
=
kl
=
k
+
l
+
kl
tratamiento = factor A + factor B + interaccin AB
Diseo de experimentos p. 4/25
Introduccin
Haciendo una equivalencia entre los valores de i y los de k y l
suponiendo que el factor A tiene K niveles y el factor B L:
i k l
1 1 1
2 1 2
3 1 3
.. .. ..
t K L
Y el modelo resultante es:
y
klj
= +
k
+
l
+
kl
+
j
+
klj
Es poco usual tener diseos experimentales muy complicados
en los experimentos factoriales, ya que se diculta el anlisis y
la interpretacin.
Diseo de experimentos p. 5/25
Introduccin
La necesidad de estudiar conjuntamente varios factores
obedece a la posibilidad de que el efecto de un factor cambie
segn los niveles de otros factores, esto es, que los factores
interacten, o exista interaccin.
Tambin se utilizan los arreglos factoriales cuando se quiere
optimizar la respuesta o variable dependiente, esto es, se
quiere encontrar la combinacin de niveles de los factores que
producen un valor ptimo de la variable dependiente.
(supercie de respuesta)
Si se investiga un factor por separado, el resultado puede ser
diferente al estudio conjunto y es mucho ms difcil describir el
comportamiento general del proceso o encontrar el ptimo.
Diseo de experimentos p. 6/25
Introduccin
Las ventajas de los experimentos factoriales son:
1. Economa en el material experimental al obtener
informacin sobre varios factores sin aumentar el tamao
del experimento. Todas las u.e.se utilizan para la
evaluacin de los efectos.
2. Se ampla la base de la inferencia en relacin a un factor,
ya que se estudia en las diferentes condiciones
representadas por los niveles de otros factores. Se ampla
el rango de validez del experimento.
3. Permite el estudio de la interaccin, esto es, estudiar el
grado y forma en la cual se modica el efecto de un factor
por los niveles de los otros factores.
Una desventaja de los experimentos factoriales es que
requiere un gran nmero de u.e., sobre todo cuando se
prueban muchos factores o muchos niveles de algunos
factores, es decir, se tiene un nmero grande de tratamientos.
(factoriales fraccionales)
Diseo de experimentos p. 7/25
Interaccin
Suponga un diseo con dos factores: A con a niveles y B con b
niveles, en diseo completamente al azar. (Factorial a b
completo, balanceado, efectos jos)
Sea y
ijk
la respuesta para la k-sima u.e. del nivel i de A y j
de B.
y
ijk
= +
i
+
j
+
ij
+
ijk
i = 1, . . . , a j = 1, . . . , b k = 1, . . . , n
Las hiptesis que se prueban son:
H
01
:
ij
= 0 i, j
H
02
:
i
+
i.
= 0 i
H
03
:
j
+
.j
= 0 j
Diseo de experimentos p. 8/25
Interaccin
Ejemplo de un factorial 2 2 sin y con interaccin.
Diseo de experimentos p. 9/25
Interaccin
Conocer la interaccin es ms til que conocer los efectos
principales. Una interaccin signicativa frecuentemente
oscurece la signicancia de los efectos principales.
Cuando hay interaccin signicativa, se debern examinar los
niveles de un factor, digamos A, con los niveles del o de los
otros factores jos, para tener conclusiones acerca del efecto
principal A.
Dos factores: A con a niveles y B con b niveles. Se dice que se
tiene un factorial a b, con diseo completamente al azar
(bloques, etc.). Se tienen ab tratamientos.
Diseo de experimentos p. 10/25
Tabla de ANOVA
F.V. g.l. SS CM F E(CM)
A a 1 SS
A
SS
A
/(a 1)
CM
A
CM
E

2
+ rb
2
a
B b 1 SS
B
SS
B
/(b 1)
CM
B
CM
E

2
+ ra
2
b
AB (a 1)(b 1) SS
AB
SS
AB
/(b 1)
CM
AB
CM
E

2
+ r
2
ab
error ab(n 1) SS
E
SS
E
/ab(n 1)
2
total abn 1 SS
T
SS
T
=
a

i=1
b

j=1
n

k=1
y
2
ijk

y
2
...
abn
SS
A
=
1
bn
a

i=1
y
2
i..

y
2
...
abn
SS
B
=
1
an
b

j=1
y
2
.j.

y
2
...
abn
SS
AB
=
1
n
a

i=1
b

j=1
y
2
ij.

y
2
...
abn
SS
A
SS
b
SS
E
= SS
T
SS
AB
SS
A
SS
B
Diseo de experimentos p. 11/25
Ejemplo
Un ingeniero est diseando una batera para usarse en un
aparato que estar sujeto a variaciones extremas de
temperatura. Tiene tres opciones para el material de la placa
para la batera, y como sabe que la temperatura afecta la vida
de la batera decide probar tres temperaturas:
15

F, 70

F, 125

F.
Se prueban 4 bateras en cada combinacin de material y
temperatura y las 36 pruebas (3 3 4) se corren en orden
aleatorio (completamente al azar).
Los datos son vida (en horas) de las bateras.
Diseo de experimentos p. 12/25
Ejemplo
tipo de Temperatura(

F)
material 15 70 125
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
El ingeniero quiere contestar las siguientes preguntas:
1. Qu efectos producen el material y la temperatura en la
vida de la batera?
2. Existe un material que produzca uniformemente ms larga
vida a la batera sin importar la temperatura?
diseo completamente al azar, experimento balanceado,
completo, factores jos. ej_fact3x3.jmp
Diseo de experimentos p. 13/25
Una observacin por celda
Suponga un experimento con dos factores A con a niveles y B
con b niveles y una sola repeticin en cada celda (tratamiento).
El modelo con interaccin es:
y
ij
= +
i
+
j
+ ()
ij
+
ij
i = 1, . . . , a j = 1, . . . , b
F.V. g.l. E(CM)
A a 1
2
+ b
2
a
B b 1
2
+ a
2
b
AB (a 1)(b 1)
2
+
2
ab
Error 0
2
Total ab 1

2
no se puede estimar, por lo tanto no hay prueba para los
efectos principales a menos que no haya interaccin, y
entonces el modelo es
y
ij
= +
i
+
j
+
ij
Este es el caso de bloques al azar.
Diseo de experimentos p. 14/25
El Diseo Factorial General. Balanceado
El diseo factorial de dos factores se puede generalizar a
tener p factores:
A con a niveles
B con b niveles
..............
En general, habr abc n observaciones si hay n repeticiones
del experimento completo.
Debe haber por lo menos 2 repeticiones (n 2) para poder
calcular
2
si todas las posibles interacciones estn incluidas
en el modelo.
Diseo de experimentos p. 15/25
Tres factores
El modelo para un factorial de tres factores en diseo
completamente al azar:
y
ijkl
= +
i
+
j
+
k
+()
ij
+()
ik
+()
jk
+()
ijk
+
ijkl
i = 1, . . . , a; j = 1, . . . , b; k = 1, . . . , c; l = 1, . . . , n
Ejemplo:
Se desea obtener ms uniformidad en el llenado de botellas
de refresco. La mquina de llenado tericamente llena cada
botella a la altura correcta, pero en la prctica hay variacin, y
la embotelladora desea entender mejor las fuentes de esta
variabilidad para eventualmente reducirla.
El ingenio de procesos puede controlar tres factores durante el
proceso de llenado:
El % de carbonato (A), la presin del llenado (B) y las botellas
llenadas por minuto (velocidad de la lnea) (C).
Diseo de experimentos p. 16/25
Sigue ejemplo tres factores
A =

10%
12%
14%
B =

25psi
30psi
C =

200bpm
250bpm
Decide correr dos repeticiones de un diseo factorial en estos
tres factores, con las 24 corridas realizadas en orden aleatorio.
La variable de respuesta es la desviacin de la altura objetivo.
Diseo de experimentos p. 17/25
Sigue ejemplo tres factores
Presin (B)
25psi 30psi
% carbonato Velocidad (C) Velocidad (C)
(A) 200 250 200 250
10 -3 -1 -1 1
-1 0 0 1
12 0 2 2 6
1 1 3 5
14 5 7 7 10
4 6 9 11
fact3x2x2.jmp
Diseo de experimentos p. 18/25
Factoriales desbalanceados
Hay situaciones en que el nmero de observaciones
(repeticiones) en cada tratamiento es diferente. Esto ocurre
por varias razones.
Por ejemplo, el experimentador pudo haber diseado un
experimento balanceado inicialmente, pero debido a
problemas durante la ejecucin del experimento que no se
previeron, se perdieron algunas observaciones lo que provoc
terminar con un diseo desbalanceado.
Por otro lado, algunos diseos desbalanceados se disean
as, por ejemplo, algunos tratamientos pueden ser ms caros o
con ms dicultad para aplicarse, por lo que se toman menos
observaciones en ellos.
Diseo de experimentos p. 19/25
Factoriales desbalanceados
Alternativamente, algunos tratamientos pueden ser de gran
inters para el investigador porque pueden representar
condiciones nuevas o inexploradas, por lo que toma ms
observaciones en ellos.
La ortogonalidad entre efectos principales e interacciones ya
no funciona en los diseos desbalanceados. Esto signica que
no se aplican las tcnicas del ANOVA usual.
Diseo de experimentos p. 20/25
Factoriales desbalanceados
Caso del modelo con dos factores con interaccin:
y
ijk
= +
i
+
j
+
ij
+
ijk
i = 1, . . . , a; j = 1, . . . , b; k = 1, . . . , n
ij
Se denen otros tipos de sumas de cuadrados. El primero
involucra ajustar modelos de una manera secuencial:
1. Ajustar y
ijk
= +
ijk
y obtener SSE
1
2. Ajustar y
ijk
= +
i
+
ijk
y obtener SSE
2
3. Ajustar y
ijk
= +
i
+
j
+
ijk
y obtener SSE
3
4. Ajustar y
ijk
= +
i
+
j
+
ij
+
ijk
y obtener SSE
4
Diseo de experimentos p. 21/25
Factoriales desbalanceados
Sea
R(|) = SSE
1
SSE
2
R(|) es la reduccin debida a ajustada por . Es la
cantidad en la que se reduce la suma de cuadrados del error
del modelo en el paso 1 al incluir en el modelo el trmino
i
.
Mientras ms grande sea R(|) ms importante es tener a
i
en el modelo. Es decir, R(|) es una medida del efecto del
factor A.
R(|, ) = SSE
2
SSE
3
es la reduccin debida a ajustada por y . Es una medida
del efecto del factor B dado que ya se tiene a y a
i
en el
modelo.
R(|, , ) = SSE
3
SSE
4
es la reduccin debida a ajustada por , y .
Diseo de experimentos p. 22/25
Tabla de Anlisis de Varianza tipo I
F.V. g.l. SS CM F
A a 1 R(|) SS
A
/gl
A
CM
A
/CM
E
B b 1 R(|, ) SS
B
/gl
B
CM
B
/CM
E
AB (a 1)(b 1) R(|, , ) SS
AB
/gl
AB
CM
AB
/CM
E
Error n
..
ab SSE
4
SS
E
/gl
E
Total n
..
1 SSE
1
donde, n
..
=

a
i=1

b
j=1
n
ij
Diseo de experimentos p. 23/25
Tabla de Anlisis de Varianza tipo II
F.V. g.l. SS CM F
A a 1 R(|, ) SS
A
/gl
A
CM
A
/CM
E
B b 1 R(|, ) SS
B
/gl
B
CM
B
/CM
E
AB (a 1)(b 1) R(|, , ) SS
AB
/gl
AB
CM
AB
/CM
E
Error n
..
ab SSE
4
SS
E
/gl
E
Total n
..
1 SSE
1
Diseo de experimentos p. 24/25
Anlisis tipo III, Regresin
1. Se generan a 1 variables dummy (0,1) para los a niveles
del factor A. Se generan b 1 variables dummy para los b
niveles del factor B.
2. La interaccin A B se representa por los productos de
sus variables dummy correspondientes.
3. Se ajusta el modelo con todas las variables dummy y se
obtiene SSE.
4. Se ajusta el modelo con todas las variables dummy
excepto aquellas que corresponden a los efectos
principales o interacciones que estn siendo probadas. La
diferencia entre esta SSE y la del modelo completo es la
SS correspondiente a este efecto.
Diseo de experimentos p. 25/25
Ejemplo factorial 2x3 desbalanceado
Suponga un experimento factorial 2 3 en un diseo
completamente al azar.
B
1
B
2
B
3
T
1
19 24 22
20 26 25
21 25
T
2
25 21 31
27 24 32
24 33
ej9_1_messy.jmp