Experimentos Factoriales

4.1 Introduccin. Durante la exposicin de los diferentes tipos de diseos experimentales que hemos desarrollado hasta el momento, hemos considerado que el investigador ha estado solamente interesado en el estudio de un nico factor. Sin embargo, en experimentos agropecuarios se presenta con mucha frecuencia la necesidad de estudiar el efecto que producen diferentes factores sobre la respuesta de una determinada variable. As, por ejemplo, un investigador puede estar interesado en estudiar el comportamiento de cuatro marcas de leche y tres formas de envase en los volmenes de venta de dicho alimento. En este caso, decimos que estamos en presencia de un experimento factorial con en el que se pretende estudiar los efectos de dos factores ( marcas de leche y foemas de envase ), y que el factor marca de leche tiene cuatro niveles ( M1 , M2 , M3 y M4 ) mientras que el factor formas de envase tiene tres niveles ( F1 , F2 y F3 ). Una investigacin de este tipo se dice que ha sido desarrollada mediante un experimento factorial 4 x 3. La combinacin factorial del experimento antes descrito se muestra en el CUADRO 4.1.1 : CUADRO 4.1.1 Marcas M1 M2 M3 M4 Formas de envase F1 F2 F3 M1F1 M1F2 M1F3 M2F1 M2F2 M2F3 M3F1 M3F2 M3F3 M4F1 M4F2 M4F3

Observe que la combinacin de los niveles de ambos factores hacen un total de 12 tratamientos sometidos a investigacin en el experimento. En este punto debemos hacer una aclaracin : no existen los diseos factoriales. Un experimento factorial, como en el caso anterior con 12 tratamientos, ser diseado en correspondencia con los efectos de tipo ambiental y de otra ndole que estn interviniendo, y en

87

Estadstica Aplicada y Dideo Experimental

consecuencia, podrn seguir un diseo Completamente al Azar, en Bloques al Azar, o de cualquier otro tipo. Hablar de diseos factoriales es un error de concepto que el investigador no debe cometer. Si en nuestro ejemplo, decidimos utilizar un diseo en bloques al azar con 5 rplicas, decimos entonces que se aplic este tipo de diseo en un arreglo factorial 4 x 3. 4.2 Factorial con 2 factores. Anlisis estadstico. Supongamos que las ventas fueron las que se muestran en el CUADRO 4.2.1: CUADRO 4.2.1 Rplicas Marcas Formas I M1 II III IV V Trat.

F1 38 40 44 41 38 201 F2 52 51 53 50 51 257 F3 48 47 51 48 49 243 701 F1 50 49 53 50 51 253 F2 41 43 46 42 40 212 F3 46 47 51 48 47 239 704 F1 35 38 42 40 36 191 F2 43 41 44 39 44 211 F3 52 51 53 50 50 256 658 F1 66 67 71 70 65 339 F2 54 52 55 58 54 273 F3 47 45 48 47 46 233 845 572 571 611 583 571 2908

M2

M3

M4 Rplicas

Calculemos en primer trmino el factor de correccin (FC) : (2908) FC = = 140941 .07 60 Calculemos a continuacin la Suma de cuadrados total : SC T = ( 38) + ( 40 ) + ( 44 ) + .............. + ( 46 ) = 144564
2 2 2 2 2

de donde la suma de cuadrados corregida total ser : SCC T = 144564 140941 .07 = 3622.93 La suma de cuadrados corregida de tratamientos es :

Maestria en Produccin de Alimentos

88

SCC TR = SCC TR =

( 201) 2 + ( 257 ) 2 + ........... + ( 233) 2

721850 140941 .07 = 3428 .93 5 5

140941 .07

y como el diseo es en Bloques al Azar : SCC B

( 572 ) 2 + ( 571) 2 + ........... + ( 571) 2 =

12

140941 .07

y entonces : SCC B = 1692476 140941 .07 = 98.60 12

SCC E = SCC T SCC TR SCC B SCC E = 3622.93 3428.93 98.61 = 95.39 de donde la tabla de anlisis de varianza queda como se muestra en el CUADRO 4.2.2 : CUADRO 4.2.2 Fuentes de G.L S.C. C.M. F SIGN. Variacin Total 59 3622.93 Tratamientos 11 3428.93 311.72 143.65 P<0.001 Bloques 4 98.60 Error 44 95.40 2.17 y el error tpico de las medias de tratamientos ser : E.T . ( X ) =

2.17 = 0.66 5

La significacin obtenida para tratamientos indica que entre los mismos existen diferencias significativas, y que sus medias deben ser comparadas entre s mediante una prueba de comparacin mltiple de Duncan. Sin embargo, el investigador a cargo de este experimento podra cuestionarse la posibilidad de estudiar el efecto de la Marca de leche y de la Forma de envase por separado, o como se conoce mas comunmente, estudiar los efectos principales de la Marca de leche y de la Forma de envase de manera independiente. La posibilidad de que esto pueda hacerse depende de la interaccin entre ambos factores, la cual se denota como A x B. El concepto de interaccin juega un papel de principal importancia en la interpretacin de experimentos factoriales. 4.2.1 El concepto de interaccin.

89

Estadstica Aplicada y Dideo Experimental

Para poner en claro este importante concepto, hagamos un anlisis de los totales de cada uno de los tratamientos estudiados mediante el CUADRO 4.2.3 :

CUADRO 4.2.3 Marcas M1 M2 M3 M4 Efecto Principal F1 201 253 191 339 984 Formas de envase F2 F3 Efecto Principal 257 243 701 212 239 704 211 256 658 273 233 845 953 971

El anlisis de los efectos principales de Marca de leche y de la Forma de envase nos pudiera conducir a pensar que la Marca con la que se obtiene una mayor respuesta es la M4 y que el mejor nivel de Forma de envase es el F1 . Sin embargo, observese que la Marca 1 alcanza una mayor venta cuando es envasada con la Forma 2, la Marca 2 con la Forma 1, la Marca 3 con la Forma 3 y la Marca 4 con la Forma 1. Este resultado sugiere que entre ambos factores existe un efecto cruzado o interaccin que no permite realizar el estudio de los efectos principales de los factores de forma separada, es decir, ambos factores interactuan recprocamente, y por tanto la nica respuesta aceptable es encontrar la combinacin ptima de los niveles de ambos factores en caso de que sta exista. Por supuesto, debemos probar estadsticamente que lo anteriormente expresado es cierto, y que el efecto cruzado o interaccin es significativa. 4.2.2 Clculo de la suma de cuadrados debida a la interaccin. De lo expuesto hasta el momento podemos concluir que el modelo lineal para un experimento factorial con dos factores segn un diseo en Bloques al Azar viene dado por la expresin : Yijk = + i + j + ( ) ij + k + eijk donde : = constante general comn a todas las observaciones i = efecto principal del factor A j = efecto principal del factor B ()ij = efecto de la interaccin entre los dos factores k = efecto del bloque eijk = error aleatorio normalmente distribuido son media cero y varianza homognea 2.

Maestria en Produccin de Alimentos

90

De lo anteriormente planteado se deduce que el efecto de tratamientos puede ser expresado como la suma de los efectos principales de los factores mas el efecto de la interaccin, y en consecuencia : SCCTR = SCCA + SCCB + SCCAXB o lo que es lo mismo : SCCAXB = SCCTR - SCCA - SCCB Con el auxilio del CUADRO 4.2.3, procedamos entonces a calcular las sumas de cuadrados del factor A (Marca de leche), del factor B (Forma de envase) y de la interaccin AxB (Marca x Forma) para el ejemplo que estamos desarrollando : SCC A = SCC A = SCC B = (701) 2 + (704) 2 + (658) 2 + (845) 2 140941 .07 15 2134006 140941 .07 = 1326.00 15

(984) 2 + (953) 2 + (971) 2 140941 .07 20 2819306 SCC B = 140941 .07 = 24.23 20 de donde : SCC AxB = 3428.93 1326 .00 24.23 = 2078 .7 La determinacin de los grados de libertad se realiza con un razonamiento anlogo. El anlisis de varianza se muestra en el CUADRO 4.2.4 : CUADRO 4.2.4 Fuentes de G.L. S.C. Variacin Total 59 3622.93 Bloques 4 98.60 Tratamientos 11 3428.93 Variedad 3 1326.00 Fertilizante 2 24.23 VxF 6 2078.70 Error 44 95.40 C.M. F SIGN.

311.72 442.00 12.12 346.45 2.17

203.69 P<0.001 5.58 P<0.01 159.65 P<0.001

Como puede apreciarse, la interaccin entre los ambos factores resulta altamente significativa, razn por la cual podemos asegurar con un nivel de significacin del 0.1% que ambos factores interactan entre s y que no es posible dar una respuesta acerca de la Marca que produce una

91

Estadstica Aplicada y Dideo Experimental

mayor venta sin referirnos a la Forma en que est envasada. De igual forma, no es procedente sealar el mejor nivel de Forma de envase si no lo asociamos con la Marca a la cual le ha sido aplicado. En conclusin, nuestra atencin tiene que centrarse en los 12 tratamientos que resultan de combinar los 4 niveles del Factor A con los 3 niveles del Factor B, para lo cual tendremos que desarrollar una prueba de comparacin mltiple de Duncan y obtener las diferencias dos a dos entre las medias de tratamientos. Los percentiles de rango mnimo de Duncan al 5% para 12 medias ( nmero de tratamientos ) y 44 grados de libertad del error no aparecen reportados, como puede apreciarse en la TABLA 51 del Anexo. Por tal razn, debemos proceder a realizar una doble interpolacin ( horizontal y vertical ) en dicha tabla. Para ello procedemos de la siguiente manera : A) Interpolacin horizontal a) Obtengamos el percentil de rango 11 para 40 grados de libertad : El percentil de rango 10 es 3.35 y el de rango 12 es 3.39. Esto quiere decir, que para un incremento de 2 unidades en el rango (12 10), corresponde un crecimiento de 0.04 unidades (3.39 3.35) en el percentil. Por tanto, a un incremento de 1 unidad en el rango (12 11) corresponder un incremento en el percentil de x unidades. Lo anterior es una regla de tres simple, es decir, 2 ----------------- 0.04 1 ----------------- x de donde : x = 0.04 / 2 = 0.02 Por tanto, el percentil de rango 11 para 40 grados de libertad ser igual a 3.39 0.02 = 3.37. a) Obtengamos ahora el percentil de rango 11 para 60 grados de libertad : El percentil de rango 10 es 3.33 y el de rango 12 es 3.37. Siguiendo el mismo razonamiento anterior : 2 ----------------- 0.04 1 ----------------- x de donde : x = 0.04 / 2 = 0.02 y el percentil de rango 11 para 60 grados de libertad del error ser igual a 3.37 0.02 = 3.35. B) Interpolacin vertical Calculemos entonces los 11 percentiles requeridos para 44 grados de libertad :

Maestria en Produccin de Alimentos

92

Para 40 grados de libertad : 2.86 3.01 3.10 3.17 3.22 3.27 3.30 3.33 3.35 3.37 3.39 Para 60 grados de libertad : 2.83 2.98 3.08 3.14 3.20 3.24 3.28 3.31 3.33 3.35 3.37 Aplicando la regla de tres simple para el primer valor tenemos : ( 60 40 ) ----------------- ( 2.83 2.86 ) ( 44 40 ) ---------------------------x 20 ---------------------------- 0.03 4 ---------------------------- x x = - 0.12 / 20 = - 0.01 y el valor del percentil ser : 2.86 0.01 = 2.85 Procediendo de la misma forma pueden ser calculados el resto de los percentiles. El lector podr comprobar que finalmente los 11 percentiles para 44 grados de libertad son los siguientes : ( 2 ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) ( 7 ) ( 8 ) ( 9 ) (10) (11) (12) 2.85 3.00 3.10 3.16 3.22 3.26 3.30 3.33 3.35 3.37 3.39 Apoyndonos en el CUADRO 4.2.3 podemos proceder a calcular las 12 medias de tratamientos y las de efectos principales, las cuales se muestran en el CUADRO 4.2.5 : CUADRO 4.2.5 Marcas M1 M2 M3 M4 Efecto Principal F1 40.2 50.6 38.2 67.8 49.2 F2 51.4 42.4 42.2 54.6 47.6 Formas F3 48.6 47.8 51.2 46.6 48.6 Efecto Principal 46.7 46.9 43.9 56.3

Los errores tpicos para los efectos principales de Marcas y Formas vienen dados por : CM e 2.17 = = 0.38 n 15 La prueba de comparacin mltiple de Duncan tiene el formato que se muestra en el CUADRO 4.2.6 de la siguiente pgina. E.T . A =

93

Estadstica Aplicada y Dideo Experimental

CUADRO 4.2.6 E.T . B = CM e 2.17 = = 0.33 n 20

3.39 3.37 3.35 3.33 3.30 3.26 3.22 3.16 3.10 3.00 2.85 38.2 40.2 42.2 42.4 46.6 47.8 48.6 50.6 51.2 51.4 54.6 67.8 54.6 51.4 51.2 50.6 48.6 47.8 46.6 42.4 42.2 40.2 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * NS * * * * * * * * * * * * * * NS * * * * * NS * * * * * * * NS NS * * NS * * * E.T .TR = 0.66 Un resumen de todo el procesamiento estadstico realizado, se muestra en el CUADRO 4.2.7 : CUADRO 4.2.7 Variedades V1 V2 V3 V4 Efecto Principal F1 40.2E 50.6D 38.2F 67.8G 49.2 Fertilizantes F2 F3 51.4D 42.4A 42.2A 54.6H 47.6 P<0.01 0.33 48.6C 47.8BC 51.2D 46.6B 48.6 Efecto Principal 46.7 46.9 43.9 56.3 P<0.001 0.66

P<0.001 0.38

La interaccin AxB entre dos factores, estudiada en el presente epgrafe, recibe el nombre de interaccin de primer orden.

Maestria en Produccin de Alimentos

94