DISEOS FACTORIALES

1.- Qu es un experimento factorial completo? Un diseo factorial es un mtodo de seleccin de tratamientos (es decir, combinaciones factor-nivel) que se incluirn en un experimento. Un experimento factorial completo es uno en el que los tratamientos consisten en todas las combinaciones factor- nivel. 2.- Cuntos efectos se pueden estudiar con un factorial 4 x 3 x 2? Bosqueje su tabla de anlisis de varianza. Se pueden estudiar 7 efectos en este modelo y son A, B, C, AB, AC, BC y ABC. FV Efecto A Efecto B Efecto C Efecto AB Efecto AC Efecto BC Efecto ABC Error Total SC SCA SCB SCC SCAB SCAC SCBC SCABC SCE SCT GL a-1 b-1 c-1 (a-1)(b-1) (a-1)(c-1) (b-1)(c-1) (a-1)(b-1)(c1) abc(n-1) abcn-1 CM CMA CMB CMC CMAB CMAC CMBC CMABC CME F0 CMA/ CME CMB/ CME CMC/ CME CMAB/ CME CMAC/ CME CMBC/ CME CMABC/ CME Valor-p

3.- Mencione al menos tres ventajas de la experimentacin factorial sobre la estrategia de mover un factor a la vez. 1. Permiten estudiar el efecto individual y de interaccin de los distintos factores. 2. Son diseos que se pueden aumentar para formar diseos compuestos en caso de que se requiera una exploracin ms completa. 3. La interaccin y el clculo de los efectos en los experimentos factoriales se puede hacer con aritmtica elemental, en particular cuando cada factor se prueba en dos niveles. 4.- Cul es la implicacin practica de utilizar tres niveles de prueba en lugar de dos en un factor dado? 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.

5 Por qu no tiene sentido utilizar el modelo de regresin cuando los factores son cualitativos? Si fueran cuantitativos, Qu se gana con el modelo de regresin en relacin al modelo de efectos? Porque cuando son cualitativos no se puede hacer un anlisis minucioso sobre el comportamiento de la variable de respuesta alno tener datos numricos. Con el modelo de regresin podemos obtener una prediccin ms acertada del comportamiento de cierta variable en cambio con el modelo de efectos solo nos sirve para determinar qu tan significativos son los factores involucrados. 6 Cmo se construye la grfica de un efecto de interaccin doble? Cmo se interpreta? En el eje de las abscisas se coloca el factor A denotando los niveles que tenga, en el eje de las ordenadas la variable de respuesta del experimento y en el plano aparecern tantas lneas como niveles tenga el factor B. Segn el problema debe seleccionarse la combinacin de niveles donde se obtenga el resultado ptimo. 7.- Cules son los supuestos del modelo en un diseo factorial y con cuales graficas de residuos se puede verificar cada uno de estos supuestos? Los supuestos del modelo son normalidad, varianza constante e independencia de los residuos y se pueden verificar graficando los residuos contra los predichos en las graficas de normalidad en la que se cumple el supuesto del modelo si caen todos los residuos alineados en la lnea recta de la grafica y la varianza constante al caer todos los puntos distribuidos dentro de una banda horizontal. 8.-En la pregunta anterior, Cmo se vera en las graficas un punto muy alejado o aberrante?
Grficas de residuos para RESPUESTA
Grfica de probabilidad normal
99

vs. ajustes
Residuo estandarizado

99.9

5.0

Porcentaje

90 50 10 1 0.1

2.5 0.0

-4

-2

0 2 Residuo estandarizado

88

90 92 Valor ajustado

94

96

Histograma
Residuo estandarizado

vs. orden
5.0

20
Frecuencia

15 10 5 0 -2 -1 0 1 2 3 Residuo estandarizado 4 5

2.5

0.0

1 5

10 15 20 25 30 35 40 45 50 55 60 Orden de observacin

9. De los tres supuestos del modelo, Cul puede afectar ms el anlisis en caso de no cumplirse? Los supuestos de normalidad y varianza constante 10. En caso de no cumplirse los supuestos de normalidad y varianza constante Qu se puede hacer para evitar problemas con el anlisis y los resultados obtenidos? Existen al menos tres maneras de solucionar o minimizar el problema por falta de normalidad y varianza heterognea en los residuos: 1. Utilizar mtodos de anlisis no parametritos, que no requieren las suposiciones de normalidad y varianza constante 2. Hacer el anlisis mediante modelos lineales generalizados(GLM), en los que se ajusta un modelo lineal usando otras distribuciones diferentes a la normal, donde la varianza no tiene por qu ser constante 3. Hacer el anlisis sobre la respuesta transformada a una escala en la que los supuestos se cumplan. 11 Con base en que se puede encontrar una transformacin adecuada de la respuesta cuando no se cumpla los supuestos? Para corregir o minimizar los problemas de falta de normalidad y de varianza constante depende del tipo de relacin que existe entre la media y la varianza de y. Esta relacin se puede visualizar en la grfica de residuos vs. Predichos. Segn lo pronunciado que sea la forma de corneta de los puntos en dicha grfica, se determina la transformacin ms adecuada. 12.- Qu significa que el modelo estadstico sea de efectos aleatorios? En que cambian las hiptesis de inters en factor aleatorio con respecto a uno fijo? Cuando los niveles de prueba utilizados en un factor son una muestra aleatoria de la poblacin de niveles para ese factor. La diferencia entre las hiptesis aleatorias y fijas son: en las fijas se basa en el efecto sobre la variabilidad de respuesta y en las aleatorias se basa en la varianza. H0:2 = 0, H0: 2 = 0 Y H0 : 2 = 0

13. Represente en el plano cartesiano un diseo factorial 4x4.

Representacin del diseo factorial 4x4 14.- a continuacin se muestra parte del ANOVA para un diseo factorial 3x5 con dos replicas, el factor A con tres niveles y el B con cinco. Factores de variacin A B AB ERROR TOTAL Suma de cuadrados 800 900 300 400 2400 Grados de libertad 2 4 8 15 29 Cuadrado medio 400 225 37.5 26.66 Razn f 15.003 8.439 1.406

a) Suponga efectos fijos, anote el modelo estadstico apropiado y formule las hiptesis a probar para este experimento. Modelo estadstico Yijk = I = 1,2,., ; j =1,2,.,b ; k = 1,2,,n Hiptesis HO =: Efecto A = HA =: Efecto A HO =: Efecto B = HA =: Efecto B HO =: Efecto AB = HA =: Efecto AB

b) Agregue en esta tabla los grados de libertad, el cuadrado medio y la razn F para cada una de las fuentes de variacin. c) Explique de manera esquemtica como calcular el valor-p para A, por ejemplo. Con la formula P (F>FAO) que dando valores quedara P (F>F30), quiere decir que se calcula la probabilidad de que Fo sea mayor que valor critico de F con 3 en el numerador y 0 en denominador. d) Con la informacin disponible se pueden hacer conjeturas sobre cules de las fuentes de variacin son significativas estadsticamente? Argumente su respuesta. Si se tiene la suficiente informacin para afirmar: Conclusiones A = 15.003 > 3.682 el efecto A es significativo. B = 8.429 > 3.056 el efecto B es significativo. AB = 1.406 < 2.641 el efecto AB no es significativo.

15.- conteste todo el ejercicio anterior, pero ahora suponiendo que ambos factores son aleatorios. Factores de variacin A B AB ERROR TOTAL Suma de cuadrados 800 900 300 400 2400 Grados de libertad 2 4 8 15 29 Cuadrado medio 400 225 37.5 26.66 Razn f 10.66 6 1.406

a) Supongo efectos fijos, anote el modelo estadstico apropiado y formule las hiptesis a probar para este experimento. Modelo estadstico Yijk = I = 1,2,., ; j =1,2,.,b ; k = 1,2,,n Hiptesis HO =: 2 A = HA =: 2A HO =: 2 B = HA =: 2B HO =: 2 AB = HA =: 2AB b) Agregue en esta tabla los grados de libertad, el cuadrado medio y la razn f para cada una de las fuentes de variacin. c) Explique de manera esquemtica como calcular el valor-p para A, por ejemplo. Con la formula P (F>FAO) que dando valores quedara P (F>F30), quiere decir que se calcula la probabilidad de que Fo sea mayor que valor critico de F con 3 en el numerador y 0 en denominador. d) Con la informacin disponible se pueden hacer conjeturas sobre cules de las fuentes de variacin son significativas estadsticamente? Argumente su respuesta. Si, se tiene la suficiente informacin para afirmar: Conclusiones A = 10.66 > 3.682 el efecto A es significativo. B = 6 > 3.056 el efecto B es significativo. AB = 1.406 < 2.641 el efecto AB no es significativo.

16.- conteste todos los incisos del ejercicio 14, paro ahora suponga que el factor A es fijo y el factor B es aleatorio.

Factores de variacin A B AB ERROR TOTAL

Suma de cuadrados 800 900 300 400 2400

Grados de libertad 2 4 8 15 29

Cuadrado medio 400 225 37.5 26.66

Razn f 15.003 6 1.406

a) Supongo efectos fijos, anote el modelo estadstico apropiado y formule las hiptesis a probar para este experimento. Modelo estadstico Yijk = I = 1,2,., ; j =1,2,.,b ; k = 1,2,,n Hiptesis HO =: Efecto A = HA =: Efecto A HO =: 2 B = HA =: 2B HO =: 2 AB = HA =: 2AB b) Agregue en esta tabla los grados de libertad, el cuadrado medio y la razn f para cada una de las fuentes de variacin. c) Explique de manera esquemtica como calcular el valor-p para A, por ejemplo. Con la formula P (F>FAO) que dando valores quedara P (F>F30), quiere decir que se calcula la probabilidad de que Fo sea mayor que valor critico de F con 3 en el numerador y 0 en denominador. d) Con la informacin disponible se pueden hacer conjeturas sobre cules de las fuentes de variacin son significativas estadsticamente? Argumente su respuesta. Si, se tiene la suficiente informacin para afirmar: Conclusiones A = 15.003 > 3.682 el efecto A es significativo. B = 6 > 3.056 el efecto B es significativo. AB = 1.406 < 2.641 el efecto AB no es significativo.