CAPITULO 6 DISEOS FACTORIALES 2

K

6.1 Generalidades
Los diseos factoriales 2
K
son una clase especial de los diseos factoriales en los que
se tienen k factores de inters a dos niveles cada uno. Son especialmente tiles en las
etapas iniciales de la investigacin para determinar, de un gran nmero de factores
candidatos, cuales son los que realmente influyen sobre la variable respuesta.
Se llaman diseos factoriales 2
k
porque se quiere investigar la forma como influyen k
factores sobre una variable respuesta y en cada factor se consideran dos niveles
solamente. La rplica completa de un diseo de este tipo requiere 2 x 2 x x 2 = 2
k

observaciones y recibe el nombre de diseo factorial 2
k
.
El diseo 2
k
son muy tiles en las primeras etapas del trabajo experimental, cuando se
investiguen muchos factores pero, probablemente todos ellos no influyen realmente
sobre la variable respuesta. Esto diseo proporciona el nmero ms pequeo de
corridas para estudiar simultneamente k factores en un diseo factorial completo.
Dado que slo existen dos niveles para cada factor, es necesario suponer que la
respuesta es aproximadamente lineal sobre el rango de los niveles seleccionados para
el factor. As, este tipo de diseo experimental es la forma ms econmica de estudiar
el efecto combinado de k factores.
Los niveles de cada factor pueden ser cualitativos o cuantitativos y se denotan como
Alto y Bajo o mas (+) y menos (-).
A continuacin se enumeran algunas de las razones por las cuales se estudian los
diseos factoriales 2
k
por separado:
Es la forma ms econmica y barata de estudiar el efecto de k factores de inters
sobre una variable respuesta.
Existen procedimientos especiales que simplifican los clculos matemticos en los
diseos 2
k

Los diseos 2
k
se pueden fraccionar. Esta caracterstica permite correr solo una
fraccin (la mitad, la cuarta parte, etc) del diseo completo y responder algunas
inquietudes del fenmeno que se estudia.
Constituyen la base de otros diseos ms complejos que se vern ms adelante
en el curso.
El modelo de regresin lineal para un diseo 2
k
es muy fcil de obtener a partir del
ANOVA. Esto se ver detalladamente ms adelante.
6.1.1 Definiciones y diseo 2
2

Es el tipo ms sencillo de diseo experimental 2
k
. En este diseo se tienen dos
factores A y B, cada uno con dos niveles. Lo usual es considerar estos niveles como
los niveles bajo y alto del factor. El diseo 2
2
se suele representar por un cuadrado
como el que se ilustra en la Figura 6.1

Figura 6.1 Representacin geomtrica del diseo 2
2


A esta representacin se le conoce como representacin geomtrica del diseo 2
2
. Es
esta representacin, cada vrtice del cuadrado corresponde a una combinacin
diferente de tratamientos (niveles) en el diseo factorial.
En la Figura 6.1 se aprecia una notacin especial para etiquetar las combinaciones de
tratamiento en el diseo 2
2
. Esta notacin de letras minsculas se utiliza, en general,
para todos los diseos 2
k
y se conoce como notacin de Yates. Si una letra est
presente, el factor correspondiente se corre con el nivel alto en dicha combinacin de
tratamiento; si est ausente, el factor se corre con su nivel bajo. Por ejemplo, la
combinacin de tratamiento a indica que el factor A est en el nivel alto, y el factor B
en el nivel bajo. La combinacin de tratamiento donde ambos factores tienen el nivel
bajo est representado por (1). Esta notacin se emplea en todas las series de
diseos 2
k
. Por ejemplo, la combinacin de tratamiento en un diseo 2
4
con A y C en el
nivel alto, y B y D en el nivel bajo, se denota por ac.

Los efectos de inters en el diseo 2
2
son los efectos principales A y B, y la interaccin
entre los dos factores AB. Si suponemos que las letras (1), a, b y ab representan los
totales de todas las n observaciones tomadas en los puntos de diseo, es sencillo
estimar los efectos de estos factores. Para estimar el efecto principal de A, se
promedian las observaciones del lado derecho del cuadrado de la Figura 6.1, donde A
(1)
a
b
ab
Bajo (-)
Bajo (-)
Alto (+)
Alto (+)
tiene el nivel alto, y se resta de ste el promedio de las observaciones que estn en el
lado izquierdo del cuadrado, donde A tiene el nivel bajo, o
( ) [ ] 1
2
1
2
) 1 (
2
+ =
+

+
= =
+
b ab a
n n
b
n
ab a
y y A
A A
(6-1)

De igual forma, el efecto principal de B se obtiene al promediar las observaciones de la
parte superior del cuadrado, donde B tiene el nivel alto, y se resta de ste el promedio
de las observaciones que estn en la parte inferior del cuadrado, donde B tiene el nivel
bajo:
( ) [ ] 1
2
1
2
) 1 (
2
+ =
+

+
= =
+
a ab b
n n
a
n
ab b
y y B
B B
(6-2)

Finalmente, la interaccin AB se estima tomando la diferencia en los promedios de la
diagonal de la Figura 6.1, o

( )
( ) [ ] b a ab
n n
b a
n
ab
AB + =
+

+
= 1
2
1
2
)
2
1
(6-3)

Debido a que la cantidad dentro de corchetes cuadrados en las ecuaciones (6-1), (6-2)
y (6-3) aparece con frecuencia en los diseos 2
2
, resulta conveniente hacer las
siguientes definiciones:

( ) [ ] 1 + = b ab a Contraste
A
(6-4)
( ) [ ] 1 + = a ab b Contraste
B
(6-5)
( ) [ ] b a ab Contraste
AB
+ = 1 (6-6)

La manera practica de calcular los contrastes de cualquier efecto (principal o de
interaccin) es a partir de la tabla de signos. Esta tabla, para el diseo 2
2
se muestra a
continuacin:






A B AB Notacin de Yates
- - + (1)
+ - - a
- + + b
+ + - ab

Tabla 6.1 Tabla de signos para el diseo 2
2
y notacin de Yates

Observe que la tabla de signos (Tabla 6.1) que la interaccin AB se obtiene
multiplicando la columna con los signos de A por la columna con los signos de B y, el
resultado son los signos del contraste AB [ver ecuacin (6-6)]. Para generar un
contraste a partir de esta tabla, se multiplican los signos de la columna apropiada de la
Tabla 6.1 por las combinaciones de tratamientos que aparecen en la columna de
notacin de Yates, y luego se suma. Por ejemplo, contraste
AB
= [(1)] + [-a] + [-b] = ab +
(1) a b. Los contrastes se emplean en el clculo de las estimaciones de los efectos
y en las sumas de cuadrados de A, B y la interaccin AB. Las frmulas para las sumas
de cuadrados son
( ) [ ] [ ]
2 2
4 4
1
n
Contraste
n
b ab a
SC
A
A
=
+
=
(6-7)
( ) [ ] [ ]
2 2
4 4
1
n
Contraste
n
a ab b
SC
B
B
=
+
=
(6-8)
( ) [ ] [ ]
2 2
4 4
1
n
Contraste
n
b a ab
SC
AB
AB
=
+
=
(6-9)

Para los diseos 2
2
, tal vez no se ve muy til la tabla de signos. Sin embargo, en la
medida que aumenta la cantidad de factores en el diseo 2
k
, la utilidad de la tabla de
signos se hace ms evidente.

El Anlisis de Varianza para el diseo 2
2
se completa con la suma de cuadrados
totales:

= = =

=
2
1
2
1 1
2
2
4
i j
n
k
ijk T
n
y
y SC (6-10)

Y la suma de cuadrados de los errores que se obtiene por diferencia:

B A AB T E
SC SC SC SC SC =
(6-11)

El ANOVA completo para el diseo 2
2
se muestra en la
Tabla 6.2 a continuacin:

Fuente de
Variacin
Suma de Cuadrados
Grados
de
libertad
Media de
cuadrados
F0 Valor P
Factor A
( ) [ ] [ ]
2 2
4 4
1
n
Contraste
n
b ab a
SC
A
A
=
+
=

1
1
A
A
SC
MC =
E
A
MC
MC
F =
0

Probabilidad
Factor B
( ) [ ] [ ]
2 2
4 4
1
n
Contraste
n
a ab b
SC
B
B
=
+
=

1
1
B
B
SC
MC =
E
B
MC
MC
F =
0

Probabilidad
Interaccin
AB
( ) [ ] [ ]
2 2
4 4
1
n
Contraste
n
b a ab
SC
AB
AB
=
+
=

1
1
AB
AB
SC
MC =

E
AB
MC
MC
F =
0

Probabilidad
Error
B A AB T E
SC SC SC SC SC = 4(n-1)
) 1 ( 4
=
n
SC
MC
E
E


Total

= = =

=
2
1
2
1 1
2
2
4
i j
n
k
ijk T
n
y
y SC 4n-1

Tabla 6.2 Tabla ANOVA para un diseo factorial 2
2

6.1.2 Diseo 2
3


En los diseos factoriales 2
3
se tienen tres factores de inters A, B y C a dos niveles
cada uno. Las ocho corridas o tratamientos del diseo 2
3
se pueden representar
geomtricamente como un cubo similar al que se muestra en la figura siguiente:



Figura 6.2 Representacin geomtrica del diseo 2
3


Cada arista del cubo corresponde a una corrida o combinacin de tratamientos
diferente. En la Figura 6.2 tambin se puede apreciar la notacin de Yates para los
diseos 2
3
, en esta notacin las ocho corridas se representan por (1), a, b, ab, c, ac,
bc y abc.
Al igual que el los diseos 2
2
, el efecto principal A puede estimarse promediando las
cuatro combinaciones de tratamiento de la cara derecha del cubo, donde el nivel A es
alto, y despus restando de esta cantidad el promedio de las cuatro combinaciones de
tratamientos que estn en la cara izquierda del cubo, donde A tiene el nivel bajo. Al
hacer esto se tiene:
( )
[ ] bc c b abc ac ab a
n
n
bc c b
n
abc ac ab a
y y A
A A
+ + + =
+ + +

+ + +
=
=
+
) 1 (
4
1
4
1
4

(6-12)

De manera similar, el efecto de B se puede determinar como la diferencia en
promedios entre las cuatro combinaciones de tratamientos de la cara posterior del
cubo (Figura 6.2) y las cuatro combinaciones de la cara anterior. Con esto se tiene que

( ) [ ] ac c a abc bc ab b
n
y y B
B B
+ + + = =
+
1
4
1
(6-13)
(1)
a
ab
b
abc
ac
bc
c
Factor A

Bajo
+
Alto
F
a
c
t
o
r

C
Alto +
Bajo
Alto +
Bajo
Factor B
El efecto de C es la diferencia en la respuesta promedio entre las cuatro
combinaciones de tratamientos de la cara superior del cubo (Figura 6.2) y las cuatro
de la cara inferior, esto es,
[ ] ab b a abc bc ac c
n
y y C
C C
+ + + = =
+
) 1 (
4
1
(6-14)

Los efectos de interaccin tambin se pueden obtener con facilidad. La interaccin
entre A y B se puede obtener como la diferencia entre los promedios de los efectos de
A en los dos niveles de B. Es decir:

Efecto de A promedio
B alto (+)
( ) ( ) [ ]
n
b ab bc abc
EfectoA
B Para
2
+
=
+

B bajo (-)
( ) ( ) [ ] { }
n
a c ac
EfectoA
B Para
2
1

+
=

Luego la interaccin entre A y B es:
( ) [ ]
n
a c ac b ab bc abc EfectoA EfectoA
AB
B Para B Para
4
1
2

+ + +
=

=
+
(6-15)

De manera analoga se pueden obtener la interaccin AC y BC
[ ]
n
abc bc ac c ab b a EfectoA EfectoA
AC
C Para C Para
4
) 1 (
2

+ + +
=

=
+
(6-16)
[ ]
n
abc bc ac c ab b a EfectoB EfectoB
BC
C Para C Para
4
) 1 (
2

+ + +
=

=
+
(6-17)

En la Figura 6.3 se ilustra grficamente los terminos involucrados en el clculo de los
efectos principales y de interaccin en un diseo factorial 2
3
.
(1)
a
ab
b
abc
ac
bc
c
(1)
a
ab
b
abc
ac
bc
c
Corridas
Corridas +
(1)
a
ab
b
abc
ac
bc
c
+
(1)
a
ab
b
abc
ac
bc
c
+

(1)
a
ab
b
abc
ac
bc
c
+

Efectos principales A, B y C
(1)
a
ab
b
abc
ac
bc
c
+
(1)
a
ab
b
abc
ac
bc
c
+
(1)
a
ab
b
abc
ac
bc
c
+

(1)
a
ab
b
abc
ac
bc
c
+

(1)
a
ab
b
abc
ac
bc
c
+

(1)
a
ab
b
abc
ac
bc
c
+

Efectos principales A, B y C
(1)
a
ab
b
abc
ac
bc
c
+
+
(1)
a
ab
b
abc
ac
bc
c +

(1)
a
ab
b
abc
ac
bc
c
+

Interacciones de dos factores: AB, AC y BC

(1)
a
ab
b
abc
ac
bc
c
+
+
(1)
a
ab
b
abc
ac
bc
c
+
+
(1)
a
ab
b
abc
ac
bc
c +

(1)
a
ab
b
abc
ac
bc
c +

(1)
a
ab
b
abc
ac
bc
c
+

(1)
a
ab
b
abc
ac
bc
c
+

Interacciones de dos factores: AB, AC y BC

Interaccin
de tres factores


Figura 6.3 Calculo de los efectos principales y de interaccin en un diseo 2
3


La Figura 6.3 muestra los vrtices del cubo (tratamientos) que deben ir positivos y/o
negativos para el clculo de cada efecto. Estos signos concuerdan con los obtenidos
anteriormente en las ecuaciones de la (6-12) a la (6-17) y los que se vern ms
adelante en la tabla de signos que se ver ms adelante (Tabla 6.4).

Finalmente, la interaccin ABC se obtiene como:

n
+c-ab+b+a- abc-bc -ac
ABC=
4
)] 1 ( [
(6-18)

A pesar de que para los diseos factoriales 2
2
y 2
3
se puede representar
geomtricamente en un cuadrado y un cubo respectivamente, el clculo de los
contrastes y de los efectos se puede obtener ms fcilmente a partir de la tabla de
signos mostrada a continuacin:
Tratamiento Yates A B C AB AC BC ABC
1 (1) - - - + + + -
2 a + - - - - + +
3 b - + - - + - +
4 ab + + - + - - -
5 c - - + + + + -
6 ac + - + - - + +
7 bc - + + - + - +
8 abc + + + + - - -

Tabla 6.3 Tabla de signos para el diseo 2
3
y notacin de Yates

En la tabla de signos (Tabla 6.4) se puede obtener con facilidad los signos para los
contrastes de interaccin, multiplicando las columnas adecuadas de los efectos
principales. As, por ejemplo, la columna con los signos de interaccin AC se puede
obtener multiplicando la columna de A con la columna C rengln a rengln. Y el
contraste AC, resulta simplemente de multiplicar la columna de Yates en la Tabla 6.4
por la columna de signos AC:

[ ] abc bc ac c ab b a Contraste
AC
+ + + = ) 1 ( (6-19)


La suma de cuadrados y efectos para la construccin del ANOVA se pueden obtener a
partir de las formulas:

n
Contraste
Efecto
4
= (6-20)

( )
n
Contraste
SC
8
2
=
(6-21)

6.1.3 Diseo 2
k


Despus de tratar los diseos 2
2
y 2
3
con cierto detalle, nos proponemos a explicar el
caso general de los diseos 2
k
. En estos diseos, tenemos k factores de inters. La
tabla de signos (para k 6) se muestra a continuacin:


Tratamiento Yates A B C D E F Tratamiento Yates A B C D E F
1 (1) - - - - - - 33 f - - - - - +
2 a + - - - - - 34 af + - - - - +
3 b - + - - - - 35 bf - + - - - +
4 ab + + - - - - 36 abf + + - - - +
5 c - - + - - - 37 cf - - + - - +
6 ac + - + - - - 38 acf + - + - - +
7 bc - + + - - - 39 bcf - + + - - +
8 abc + + + - - - 40 abcf + + + - - +
9 d - - - + - - 41 df - - - + - +
10 ad + - - + - - 42 adf + - - + - +
11 bd - + - + - - 43 bdf - + - + - +
12 abd + + - + - - 44 abdf + + - + - +
13 cd - - + + - - 45 cdf - - + + - +
14 acd + - + + - - 46 acdf + - + + - +
15 bcd - + + + - - 47 bcdf - + + + - +
16 abcd + + + + - - 48 abcdf + + + + - +
17 e - - - - + - 49 ef - - - - + +
18 ae + - - - + - 50 aef + - - - + +
19 be - + - - + - 51 bef - + - - + +
20 abe + + - - + - 52 abef + + - - + +
21 ce - - + - + - 53 cef - - + - + +
22 ace + - + - + - 54 acef + - + - + +
23 bce - + + - + - 55 bcef - + + - + +
24 abce + + + - + - 56 abcef + + + - + +
25 de - - - + + - 57 def - - - + + +
26 ade + - - + + - 58 adef + - - + + +
27 bde - + - + + - 59 bdef - + - + + +
28 abde + + - + + - 60 abdef + + - + + +
29 cde - - + + + - 61 cdef - - + + + +
30 acde + - + + + - 62 acdef + - + + + +
31 bcde - + + + + - 63 bcdef - + + + + +
32 abcde + + + + + - 64 abcdef + + + + + +

Tabla 6.4 Tabla de signos para el diseo 2
k
k 6 y notacin de Yates

En la tabla de signos (Tabla 6.4 ) muestra un patrn de construccin bien definido: la
columna del primer factor, A inicia alternando los signos ms (+) y menos (-) iniciando
con el signo menos; la segunda columna alterna dos signos menos con dos signos
ms, iniciando con dos signos menos; la tercera columna (la de C) alterna 4 signos
menos con 4 signos ms iniciando con 4 signos menos, y as sucesivamente.

En general, el procedimiento para hallar un contraste es el mismo que se empleo para
los diseos 2
2
y 2
3
. Por ejemplo, si se tienen 4 factores de inters en un diseo 2
4
se
toman las 6 primeras columnas de la Tabla 6.4 para obtener la siguiente tabla:


Tratamiento Yates A B C D AB
1 (1) - - - - +
2 a + - - - -
3 b - + - - -
4 ab + + - - +
5 c - - + - +
6 ac + - + - -
7 bc - + + - -
8 abc + + + - +
9 d - - - + +
10 ad + - - + -
11 bd - + - + -
12 abd + + - + +
13 cd - - + + +
14 acd + - + + -
15 bcd - + + + -
16 abcd + + + + +

Tabla 6.5 Tabla de signos para el diseo 2
4


Si se desea el contraste AB, simplemente se multiplican los signos de la columna A
por los signos de la B rengln a rengln y posteriormente el resultado de esta columna
se multiplica por la columna de Yates. El resultado final es el siguiente:

]
) 1 [(
abcd bcd acd cd abd bd ad d
abc bc ac c ab b a Contraste
AB
+ + + +
+ + + =
(6-22)

De la misma forma se pueden obtener los dems contrastes para el clculo de efectos
[Ecuacin (6-23)] y la suma de cuadrados [Ecuacin (6-24)] para el Anlisis de
Varianza.

1
2

=
k
n
Contraste
Efecto (6-23)

( )
k
n
Contraste
SC
2
2
=
(6-24)

6.1.4 Modelo de Superficie de Respuesta para un diseo 2
k

Un aspecto interesante de los diseos factoriales 2
k
es que si se codifican las variables
al intervalo [-1,1] entonces, se puede obtener el modelo de regresin correspondiente
con relativa facilidad. Consideremos por ejemplo el diseo 2
2
. En este diseo se tienen
dos efectos principales, A y B y la interaccin AB. El modelo de regresin
correspondiste es:

2 1 12 2 2 1 1 0
x x x x y + + + = (6-25)

Donde x
1
representa el factor A, x
2
representa el factor B, y el producto entre x
1
y x
2

representa la interaccin entre A y B. Los parmetros del modelo de regresin,
1
,
2
,

12
se pueden demostrar que son iguales a la mitad de las estimaciones de los efectos
correspondientes, mientras que
0
es igual a la gran media. En general, se tiene que:

2
ANOVA en Efecto
Regresin de modelo el en Parmetro Cualquier = (6-26)
Y
nes observacio las todas de promedio promedio gran
0
= = (6-27)

Se debe recordar que los valores de las variables en el modelo de regresin estn
codificadas al intervalo [-1, 1]. Esto quiere decir que si se quiere expresar el modelo en
las unidades en las que realmente se mide la variable se debe hacer la transformacin
correspondiste. Esta transformacin se ilustra en la figura siguiente:



Figura 6.4 Transformacin usada para encontrar el modelo de regresin en un diseo 2
k


Esto nos lleva a la ecuacin de transformacin:
Factor en
escala real
Bajo
Alto
+1
-1
Factor en escala
normalizada
Bajo Alto
Alto Bajo x
x
real
cod

=
2
.

(6-28)

La cual se puede utilizar para obtener el modelo de regresin en las unidades
originales en las que se miden los factores de inters. Esto transforma la ecuacin
(6-25) en el modelo:

+
+

+ =
Bajo Alto
Alto Bajo B
Bajo Alto
Alto Bajo A
Bajo Alto
Alto Bajo B
Bajo Alto
Alto Bajo A
B B
B B x
A A
A A x
B B
B B x
A A
A A x
y
2 2
2 2
12
2 1 0

(6-29)

Sin embargo, siempre se prefiere trabajar el modelo con las variables codificadas (en
el intervalo [-1,1])

Si los factores son cuantitativos, el modelo de regresin, se puede utilizar, con toda
confianza, para predecir el valor de la variable respuesta para cualquier punto entre -1
y 1 (si el factor o variable est codificado) o desde el valor bajo al alto si la variable o
factor no est codificado. Es decir, el modelo de regresin se puede utilizar para
interpolar cualquier valor intermedio de la variable respuesta sin problemas pero no se
debe utilizar para extrapolar.
6.1.5 Proyeccin de diseos factoriales 2
k


Cualquier diseo 2
k
se contrae o se proyecta sobre cualquier otro diseo 2
k
con
menos variables si se omiten uno o ms de los factores originales. En ocasiones, esto
puede proporcionar un conocimiento adicional de los dems factores.

Si algn factor en un diseo factorial 2
k
no es significativo y todas sus interacciones
son despreciables, entonces puede descartarse del experimento convirtiendo el diseo
en un diseo 2
K1
. En este caso se dice que el diseo 2
k
se ha proyectado en un
diseo 2
k1
con el doble de rplicas denominadas rplicas ocultas.
En general, si se tiene una sola rplica en un diseo 2
K
y si h (h<k) factores son
insignificantes y pueden descartarse, entonces los datos originales corresponden a un
diseo factorial completo con dos niveles en los hk factores restantes con 2h rplicas
La figura siguiente ilustra la proyeccin de un diseo 2
4
en uno 2
3


Factor insignificante D
+

Figura 6.5 Proyeccin de un diseo 2
4
a un diseo 2
3


6.1.6 El algoritmo de Yates
Este procedimiento fue propuesto por Yates para obtener, de una manera sencilla, la
tabla de ANOVA para un diseo factorial 2
k
. Este procedimiento es una alternativa a la
tabla de signos propuesta anteriormente. Para utilizar el algoritmo de Yates, primero
se construye una tabla con las combinaciones de tratamientos y los correspondientes
totales de tratamiento, en un orden estndar. Por orden estndar se entiende que
cada factor se introduce uno a la vez combinndolo con todos los niveles de los
factores que estn por encima de l. Es as como el orden estndar de un diseo 2
2
es
(1), a, b, ab, mientras que para un diseo 2
3
es (1), a, b, ab, c, ac, bc, abc, y para un
diseo 2
4
es (1), a, b, ab, c, ac, bc, abc, d, ad, bd, abd, cd, acd, bcd, abad. Aqu se
presenta el procedimiento siguiente de cuatro pasos:

1. Se etiqueta la columna adyacente (1). Las entradas en la mitad superior de esta
columna se calculan sumando las respuestas en pares adyacentes de la columna
anterior. Las entradas de la parte inferior de esta columna se calcula cambiando el
signo de la primera entrada de cada par de las respuestas originales y luego
sumando los pares adyacentes.
2. Se etiqueta la columna adyacente (2). La columna (2) se construye con las
entradas de la columna (1), siguiendo el mismo procedimiento utilizado para
generar la columna (1). El proceso contina hasta que se han construido k
columnas. La columna (k) contiene los contrastes designados en los renglones.
3. Se calcula la suma de cuadrados para los efectos elevando al cuadrado cada
entrada de la columna k y dividindolo entre n2
k
.
4. Se calcula las estimaciones de los efectos dividiendo cada entrada de la columna k
entre n2
k-1
.
6.1.7 Diseo 2
k
sin rplica
A medida que crece el nmero de factores de un experimento factorial, el nmero de
efectos que pueden estimarse tambin aumenta. Por ejemplo, un experimento 2
4
tiene
cuatro efectos principales, 6 interacciones entre dos factores, 4 interacciones entre
tres factores y una interaccin entre cuatro factores, mientras que un experimento 2
6

tiene 6 efectos principales, 15 interacciones entre dos factores, 20 interacciones entre
tres factores, 15 interacciones entre cuatro factores, 6 interacciones entre cinco
factores y una interseccin entre 6 factores.
En muchas situaciones se aplica el principio de dispersin de los efectos; esto es,
usualmente el sistema est dominado por los efectos principales y las interacciones de
orden inferior. En general, las interacciones entre tres factores y las de orden superior
son despreciables. Por consiguiente, cuando el nmero de factores es
moderadamente grande (por ejemplo, k 4 o 5), una prctica comn es correr slo
una rplica del diseo 2
k
y luego combinar las interacciones de orden superior como
una estimacin del error. En ocasiones, una nica rplica de un diseo 2
k
se conoce
como diseo factorial 2
k
sin rplica.
Cuando se analizan datos que provienen de diseos factoriales sin rplica, en
ocasiones se presentan interacciones reales de orden superior. En estos casos resulta
inapropiado utilizar la media de cuadrados del error obtenida al combinar las
interacciones de orden superior. Para resolver este problema puede emplearse un
mtodo de anlisis ms sencillo. Para ello se construye una grfica de las
estimaciones de los efectos sobre una escala de probabilidad normal. Los efectos que
son despreciables tienen una distribucin normal, con media cero y varianza
2
, y
tienden a caer a lo largo de una lnea recta sobre esta grfica, mientras que los efectos
significativos tienen medias distintas de cero y no se alinean a los largo de la lnea
recta.
6.2 Adicin de puntos centrales en un diseo 2
k

Un aspecto muy importante en el empleo de diseos factoriales de dos niveles es la
hiptesis de linealidad en los efectos de los factores. Claro est que la linealidad
perfecta es innecesaria, y el sistema 2
k
trabaja muy bien aun cuando la suposicin de
linealidad es slo aproximada. Sin embargo, existe un mtodo para replicar ciertos
puntos en el diseo 2
k
factorial que proporciona proteccin contra la curvatura y
permite una estimacin independiente del error que ha de obtenerse. El mtodo
consiste en aadir puntos centrales al diseo 2
k
. stos coinciden de n
C
rplicas de
las corridas en el punto x
i
= 0 (i= 1, 2,, k). Una razn importante para aadir rplicas
de las corridas en el centro del diseo es que los puntos centrales no tienen impacto
en las estimaciones usuales de los efectos en un diseo 2
k
. Se supone que los k
factores son cuantitativos.


Figura 6.6 Representacin geomtrica del diseo 2
2
con corridas centrales o puntos centrales

Para ilustrar este enfoque, considrese un diseo 2
2
con una observacin en cada uno
de los puntos factoriales (-, -), (+, -), (-, +) y (+, +), y n
C
observaciones en los puntos
centrales (0, 0). La Figura 6.6 ilustra esta situacin. Sean
F
y y
C
y los promedios de
las cuatro corridas en los cuatro puntos factoriales y el promedio de las n
C
corridas en
el punto central, respectivamente. Si la diferencia
F
y -
C
y es pequea, entonces los
puntos centrales se encuentran sobre el plano que pasa por todos los puntos
factoriales, o cerca de l, y no hay curvatura. Por otra parte, si
F
y -
C
y es grande,
entonces la curvatura est presente. Una suma de cuadrados de un grado de libertad
para la curvatura est dada por:
(1)
a
b
ab
Bajo (-)
Bajo (-)
Alto (+)
Alto (+)
Medio
Medio
Corrida
Central
( )
2
C F
C F C F
Curvatura
n n
y y n n
SS
+

= (6-30)
donde, en general, n
F
es el nmero de puntos en el diseo factorial. Esta cantidad
puede ser comparada con el error cuadrtico medio para probar la curvatura. De
manera ms especfica, cuando se aaden puntos al centro del diseo 2
k
, entonces el
modelo que se considera es

= < < =
+ + + + =
k
j j i j i
k
j
jj j i ij j j
x x x x Y
1 1
2
0

(6-31)
donde las
jj
son efectos cuadrticos puros. La prueba de curvatura consiste, en
realidad, de la prueba de las hiptesis
0 :
0 :
1
1
1
0

=
=
k
j
jj
k
j
jj
H
H

(6-32)
Por otra parte, si los puntos factoriales en el diseo no estn replicados, entonces
pueden emplearse los n
C
puntos centrales para construir una estimacin del error con
n
C
-1 grados de libertad.

6.3 Formacin de bloques y confusin en diseos 2
k

A menudo es imposible correr todas las observaciones en un diseo factorial 2
k
bajo
condiciones homogneas. La tcnica de diseo apropiada para esta situacin general
es la formacin de bloques. Sin embargo, en muchas situaciones, el tamao del
bloque es ms pequeo que el nmero de corridas en la rplica completa. En estos
casos, la confusin es un procedimiento til para correr el diseo 2
k
en bloques 2
p
,
donde el nmero de corridas en un bloque es menor que el nmero de combinaciones
de tratamientos en una rplica completa. La tcnica provoca que ciertos efectos de
interaccin sean indistinguibles de los bloques, o que sean confundidos con
bloques. A continuacin se ilustra la confusin en el diseo factorial 2
k
en bloques 2
p
,
con p < k.
Considrese un diseo 2
2
. Supngase que cada una de las 2
2
= 4 combinaciones de
tratamientos requiere cuatro horas de anlisis de laboratorio. Por tanto, se requieren
dos das para efectuar el experimento. Si los das se consideran como bloques,
entonces deben asignarse dos de las cuatro combinaciones de tratamientos a cada
da.

(1)
a
ab
b
(1)
a
ab
b
[ ] ab b a AB Contraste + = ) 1 (
Corridas Bloque 1
Corridas Bloque 2
(1)
ab
a
b
Bloque 1 Bloque 2
Tratamiento A B AB
(1) - - +
a + - -
b - + -
ab + + +

Figura 6.7 Formacin de bloques en un diseo 2
2


Este diseo se muestra en la Figura 6.7. Ntese que el bloque 1 contiene las
combinaciones de tratamientos (1) y ab, y que el bloque 2 contiene a a y b. Los
contrastes para estimar los efectos principales de los factores A y B son

Contraste
A
= ab + a b (1)

Contraste
B
= ab + a b (1)


Observe que estos contrastes no se ven afectados por la formacin de bloques puesto
que en cada uno de ellos existe slo una combinacin de tratamientos ms y una
menos de cada uno de los bloques. Esto es, cualquier diferencia entre el bloque 1 y el
bloque 2 que aumente las lecturas en un bloque por una constante aditiva, ser
cancelada. El contraste para la interaccin AB es

Contraste
AB
= ab + (1) a b

Puesto que las dos combinaciones de tratamientos con los signos ms, ab y (1), estn
en el bloque 1 y las dos con los signos menos, a y b, estn en el bloque 2, los efectos
del bloque y la interaccin AB son idnticos. Esto es, la interaccin AB queda
confundida con bloques.
La razn de esto es evidente en la tabla de signos ms y menos del diseo 2
2
que
aparece en la Figura 6.7. De sta se observa que todas las combinaciones de
tratamientos que tienen un signo ms en AB estn asignadas al bloque 1, mientras
que todas las combinaciones de tratamientos que tienen un signo menos en AB estn
asignadas al bloque 2.
Este esquema puede emplearse para confundir cualquier diseo 2
k
en dos bloques.
Como segundo ejemplo considrese un diseo 2
3
, efectuado en dos bloques. De la
tabla de signos ms y menos (Figura 6.8), se asignan las combinaciones de
tratamientos que son menos en la columna ABC al bloque 1, y las que son ms en la
columna ABC al bloque 2. El diseo resultante se muestra en la Figura 6.8.


(1)
a
ab
b
abc
ac
bc
c
(1)
a
ab
b
abc
ac
bc
c
Corridas (Bloque 1)
Corridas + (Bloque 2)
[ ] abc bc ac c ab b a ABC Contraste + + + + = ) 1 (
(1)
ab
ac
bc
a
b
c
abc
Bloque 1 Bloque 2
I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +
Efectos Factoriales
Combinacin de
Tratamientos

Figura 6.8 Formacin de bloques en un diseo 2
2


En general, lo que se busca es que el efecto de bloque se confunda con las
interacciones de orden superior. La Figura 6.8 se observa que el efecto de bloque se
confunde con el efecto de interaccin ABC. El cual, por el principio de los efectos
esparcidos se puede asumir despreciable. Sin embargo, si la interaccin entre los tres
factores llega a ser significativa entonces no podremos saber si realmente se debe a la
interaccin a al efecto de bloque.

Existe un mtodo ms general para construir bloques. sta utiliza un contraste de
definicin, por ejemplo,

L=
1
x
1
+
2
x
2
+ +
k
x
k

donde x
i
es el nivel del i-simo factor que aparece en una combinacin de tratamientos
y
i
es el exponente que aparece sobre el i-simo factor en el efecto que va a
confundirse con bloques. Para el sistema 2
k
, se tiene que
i
= 0 o 1, y x
i
= 0 (nivel bajo)
o x
i
= 1 (nivel alto). Las combinaciones de tratamientos que producen el mismo valor
de L (md. 2) son colocadas en el mismo bloque, Puesto que los nicos valores
posibles de L (md. 2) son 0 y 1, esto asigna las combinaciones de tratamientos 2
k

exactamente en dos bloques.
Como ejemplo, considrese el diseo 2
3
con ABC confundido con bloques. En este
caso, x
i
corresponde a A, x
2
a B, x
3
a C, con
1
=
2
=
3
= 1. Por tanto, el contraste de
definicin que se utilizar para confundir ABC con bloques es

L = x
1
+ x
2
+ x
3

Para asignar las combinaciones de tratamientos a los bloques, se sustituyen stas en
el contraste de definicin, de la manera siguiente:

(1): L = 1(0) + 1(0) + 1(0) = 0 = 0 (md 2)
a: L = 1(1) + 1(0) + 1(0) = 1 = 1 (md 2)
b: L = 1(0) + 1(1) + 1(0) = 1 = 1 (md 2)
ab: L = 1(1) + 1(1) + 1(0) = 2 = 0 (md 2)
c: L = 1(0) + 1(0) + 1(1) = 1 = 1 (md 2)
ac: L = 1(1) + 1(0) + 1(1) = 2 = 0 (md 2)
bc: L = 1(0) + 1(1) + 1(1) = 2 = 0 (md 2)

Es as como (1), ab, ac, y bc se corren en el bloque 1, y a, b, c y abc se corren en el
bloque 2. Este mismo diseo se muestra en la figura 12-32.
Existe un til mtodo corto para construir estos diseos. El bloque que contiene la
combinacin de tratamientos (1) recibe el nombre de bloque principal. Cualquier
elemento [con excepcin de (1)] en el bloque principal puede generarse haciendo la
multiplicacin mdulo 2 de los exponentes de cualquier par de elementos del bloque
principal. Por ejemplo, considrese el bloque principal del diseo 2
3
con ABC
confundido, el cual se muestra en la figura 12-32. Ntese que

ab ac = a
2
bc

= bc
ab bc = ab
2
c

= ac
ab bc = abc
2
= ab

Las combinaciones de tratamientos del otro bloque (o bloques) pueden generarse al
hacer la multiplicacin mdulo 2 de los exponentes de un elemento del bloque nuevo
por cada elemento del bloque principal. Para el diseo 2
3
con ABC confundido, puesto
que el bloque principal es (1), ab, ac y bc, se sabe que la combinacin de tratamientos
b est en el otro bloque. Por tanto, los elementos de este segundo bloque son

b (1) = b
b ab = ab
2
= a
b ac = abc
b bc = b
2
c = c

6.4 Diseos 2
k
fraccionados
A medida que aumenta el nmero de factores en un diseo factorial 2
k
, el nmero de
corridas requeridas se aumenta con rapidez. Por ejemplo, un diseo 2
5
requiere 32
corridas. En este diseo, slo cinco grados de libertad corresponden a los efectos
principales, y 10 a las interacciones entre dos factores. Diecisis de los 31 grados de
libertad se utilizan para estimar interacciones de orden superior esto es, interacciones
entre tres factores y de orden superior-. A menudo existe poco inters en estas
interacciones de orden superior, en particular cuando se comienza a estudiar por
primera vez un proceso o sistema. Si es posible suponer que ciertas interacciones de
orden superior son despreciables, entonces puede emplearse un diseo factorial
fraccionaria con menos corridas que el conjunto completo de corridas 2 k, para
obtener informacin sobre los efectos principales y las interacciones de orden inferior.
Aqu se presentan las rplicas fraccionarias del diseo 2
k
.
Uno de los principales usos de los diseos fraccionarios se encuentran en
experimentos de deteccin. stos son experimentos en los que se consideran muchos
factores con la finalidad de identificar aquellos (si es que los hay) que tienen efectos
grandes
Normalmente los experimentos de deteccin se realizan en las primeras etapas de un
proyecto, cuando es probable que muchos de los factores considerados al inicio
tengan poco o ningn efecto sobre la respuesta. Los factores identificados como
importantes son los que se investigan con ms profundidad en experimentos
subsecuentes.

6.4.1 Fraccin un medio de un diseo 2
k

La fraccin un medio del diseo 2
k-1
corridas y a menudo se conoce como diseo
factorial fraccionario 2
k-1
. Como ejemplo considrese el diseo 2
3-1
, la fraccin un
medio del diseo 2
3
. Este diseo tiene slo cuatro corridas, en contraste con el diseo
completo que requiere ocho.

(1)
a
ab
b
abc
ac
bc
c
(1)
a
ab
b
abc
ac
bc
c
Fraccin alterna, I= ABC
Fraccin principal, I=ABC
I A B C AB AC BC ABC
a + + + +
b + + + +
c + + + +
abc + + + + + + + +
ab + + + +
ac + + + +
bc + + + +
(1) + + + +
Combinacin de
Tratamientos
Efectos Factoriales
I A B C AB AC BC ABC
a + + + +
b + + + +
c + + + +
abc + + + + + + + +
ab + + + +
ac + + + +
bc + + + +
(1) + + + +
Combinacin de
Tratamientos
Efectos Factoriales
Relacin de
definicin
del diseo

Figura 6.9 Diseo factorial 2
3
fraccionado a la mitad.


La Figura 6.9 presenta la tabla de signos ms y menos para el diseo 2
3
fraccionado.
Supngase que se escogen las cuatro combinaciones de tratamientos a, b, c y abc
como la fraccin un medio. Estas combinaciones aparecen en la parte superior de la
Figura 6.9 en color azul claro. Observe que la combinacin de tratamientos escogida
para esta fraccin tiene signo mas para la interaccin ABC, por lo tanto, el efecto ABC
se conoce como generador de la fraccin. Adems, debido a que el signo es el mismo
para la interaccin ABC, esta interaccin es indetectable usando esta fraccin.
Adems observe que la combinacin de signos utilizada para encontrar el efecto de
cualquier factor principal se repite en una interaccin doble. Para encontrar los efectos
principales se usa:
A = [a b c + abc]
B = [-a + b c + abc]
C = [-a b + c + abc]
Los cuales se repiten en el clculo de las interacciones dobles:
BC = [a b c + abc]
AC = [-a + b c + abc]
AB = [-a b + c + abc]
Estos resultados se aprecian en la Figura 6.9, donde se colocan con un recuadro del
mismo color las parejas de efectos que son iguales.
Por tanto, la combinacin lineal de las observaciones en la columna A de la Figura 6.9
no solo estima el efecto principal de A sino la interaccin BC. O mejor dicho, esta
combinacin estima la suma de los efectos A+BC. De la misma forma, la columna
correspondiente a B no solo estima este efecto sino tambin la interaccin AC o lo que
se mejor, estima la suma B+AC. En la Tabla 6.6 se resumen las consecuencias del
fraccionamiento a la mitad de un diseo 2
3
completo.

Combinacin Efecto Explicacin
[a b c + abc] A+BC A se confunde con BC o es alias de l
[-a + b c + abc] B+AC B se confunde con AC o es alias de l
[-a b + c + abc] C+AB C se confunde con AB o es alias de l
Tabla 6.6 Confusin en un diseo factorial 2
3
fraccionado a la mitad

La consecuencia adicional de este fraccionamiento es que la interaccin triple, ABC no
se puede detectar. Es decir, con un diseo 2
3-1
no se puede evaluar la posible
interaccin ABC. Sin embargo, las interacciones de orden superior, usualmente, son
despreciables en el mundo real.
En general, la fraccin a realizar se escoge de tal suerte que los efectos principales y
las interacciones de orden inferior que son de inters formen alias slo con
interacciones de orden superior (las que probablemente son despreciables).

La estructura de alias para este diseo puede encontrarse utilizando la relacin de
definicin I = ABC. La multiplicacin de cualquier efecto por esta relacin proporciona
los alias para tal efecto. En el ejemplo, el alias de A es A=A (ABC) = A
2
BC = BC. Note
que se ha eliminado A
2
debido a que representa una columna de signos ms que no
altera el producto final. Es decir A
2
= I, e I es la columna identidad.
De la misma manera se pueden encontrar los alias de B y C.

Supngase que en lugar de escoger la mitad superior de la Figura 6.9 para fraccionar
al diseo 2
3
, se hubiera escogido la mita inferior. Es decir la combinacin de
tratamientos en los que ABC tiene signo negativo. Estas cuatro corridas se muestran
en color amarillo en la Figura 6.9. La relacin de definicin para este diseo es I = -
ABC. Los alias son A =-BC, B = -AC, y C = -AB. Por tanto, las estimaciones de A, B y
C que se obtienen de esta fraccin en realidad estiman A BC, - B AC y C AB. En
la prctica, usualmente no es importante la fraccin un medio que se escoja pues
ambas son lleva a resultados equivalentes. La fraccin con el signo ms en la relacin
de definicin se conoce como fraccin principal, y la otra como fraccin alternativa.

Ntese que si se hubiera seleccionado AB como el generador del diseo factorial
fraccionario (Buscando todos los ms en la columna correspondiente de la Figura 6.9),
entonces A sera alias de B, lo cual conlleva a una prdida de informacin muy
importante. Como regla general, se escoge la fraccin en la que se confundan las
interacciones de orden superior. Ms adelante, se explica un procedimiento prctico
para escoger la fraccin ms adecuada, en el caso general de los diseos 2
k-1
Un comentario final de los diseos factoriales fraccionados a la mitad es que
combinando las estructuras de alias de ambas fracciones se pueden obtener los
efectos principales y de interaccin. Por ejemplo, el efecto A se obtiene:

2
) ( ) (
a alternativ
fraccin
principal
fraccin
BC A BC A
A
+ +
=
(6-33)
Y la interaccin doble BC se obtiene como:

2
) ( ) (
a alternativ
fraccin
principal
fraccin
BC A BC A
BC
+
=
(6-34)

Una alternativa equivalente hubiera sido analizar el experimento como si se hubiera
corrido completo desde el principio. Sin embargo, al correr la segunda fraccin
posteriormente, se debe tener mucho cuidado en que las condiciones bajo las cuales
se realizan los experimentos sean las mismas de cuando se corri la primera fraccin.
Si no se pudieron mantener las mismas condiciones se debe utilizar un efecto de
bloque haciendo que el efecto de bloque se confunda con la interaccin triple, ABC, y
los efectos principales y de interacciones dobles se calculen sin ninguna confusin
6.4.2 Resolucin en un diseo fraccionado
Al correr un diseo factorial fraccionado los efectos no pueden estimarse de manera
individual, sino que se estiman sumas o restas de efectos que son alias entre s. La
interpretacin de estas sumas o restas se hace sencilla si se supone que todos los
trminos, excepto uno, son despreciables. Por lo tanto el efecto de esta suma (o
resta), se puede atribuir a un nico factor. Por esta razn siempre se busca un diseo
factorial fraccionado en el cual los efectos principales importantes sean alias de otros
efectos que no son muy importantes.
El supuesto lgico en este caso consiste en asumir que los efectos principales son
ms importantes que las interacciones de dos factores, y estas a su vez son ms
relevantes que los de tres factores, y as sucesivamente. Este concepto se maneja
buscando un diseo factorial fraccionado que tenga la mxima resolucin posible.
Se dice que un diseo factorial fraccionado tiene resolucin R si las interacciones de
P factores no son alias de interacciones que tengan menos de R P factores. Cuan
ms alta sea la resolucin de un diseo factorial fraccionado mejor se pueden apreciar
los efectos potencialmente importantes. A continuacin se dan las definiciones de los
diseos con resolucin III, IV y V.

Diseos de Resolucin III. En estos diseos los efectos principales no son alias entre
s, pero si pueden ser alias con alguna interaccin doble. El diseo 2
3-1
pertenece a
esta clase. Lo usual es utilizar un nmero romano como subndice para indicar la
resolucin
1 3
2

III

Diseos de Resolucin IV. Son diseos en los que ningn efecto principal tiene alias
con otro efecto principal o con interacciones entre dos factores, pero estas pueden
tener alias entre s. El diseo 2
4-1
con relacin de definicin I = ABCD (o I = - ABCD) es
de resolucin IV. Este diseo se denota como
1 4
2

IV

Diseos de Resolucin V. En estos diseos los efectos principales y las
interacciones dobles son alias con interacciones triples o de orden superior, es decir,
los efectos principales y las interacciones dobles se pueden determinar limpiamente.
Un ejemplo de un diseo con esta resolucin es el diseo 2
5-1
(
1 5
2

V
) con relacin de
definicin I = ABCDE (o I = - ABCDE).

En general la resolucin de un diseo factorial fraccionado esta dado por la longitud de
la palabra en la relacin de definicin con el menor nmero de letras posible. Por
esta razn los diseos factoriales fraccionados 2
3-1
, 2
4-1
y 2
5-1
tienen resolucin III, IV y
V respectivamente, porque sus correspondientes generadores se componen de 3, 4 y
5 letras.
6.4.3 Construccin de fracciones 2
k-1

Una manera sencilla de construir diseos factoriales fraccionados 2
k-1
con la ms alta
resolucin posible es la siguiente:

1. Se construye la tabla de signos para un diseo factorial completo con k-1 factores
y de esta forma se tienen las primeras k-1 columnas de la fraccin deseada.

2. La columna faltante (la k-sima) se construye multiplicando entre s las columnas
anteriores. Si se desea la fraccin complementaria o alternativa se cambian los
signos de esta ltima columna.

El diseo que resulta es un diseo factorial fraccionado, 2
k-1
con la mxima resolucin
posible, R = k.
Como ejemplo veamos la construccin de un diseo factorial fraccionado 2
4-1
con
resolucin IV y con generador I = ABCD.
1. Se parte del diseo factorial completo 2
4-1
= 2
3
dado por:
A B C D
- - -
+ - -
- + -
+ + -
- - +
+ - +
- + +
+ + +

2. La columna restante (la cual corresponde a D) se obtiene al multiplicar las
columnas A, B y C

A B C D= ABC
- - - -
+ - - +
- + - +
+ + - -
- - + +
+ - + -
- + + -
+ + + +


Si se desea la fraccin alternativa, con generador I = - ABC, se cambia el signo de la
ltima columna en el segundo paso.
6.4.4 Diseos factoriales fraccionados 2
k-2

Un diseo factorial 2
k-2
representa la cuarta parte del diseo factorial completo. Para
generar este diseo se necesitan dos efectos generadores, los cuales se toman de las
interacciones de orden superior y que al mismo tiempo su producto sea tambin una
interaccin de orden superior. Estos diseos tendrn tres generadores: los dos
primeros que se escogieron y el que resulta del producto entre ellos y ninguno de ellos
se puede estimar. La estructura de alias se obtiene a partir de los dos generadores
iniciales y su producto. Por lo tanto cada efecto tiene tres alias. En general, el nmero
de palabras de la relacin definidora indica el nmero de alias que tendr cada efecto,
y multiplicando un efecto cualquiera por esta relacin se determinan sus alias.

Una forma sencilla de construir un diseo factorial 2
k-2
es:

1. Se escribe el diseo 2
k-2
como si fuera un diseo factorial completo con k-2
factores y de esta forma se obtienen los primeros k-2 factores.

2. Los niveles que corresponden a los factores de las dos ltimas columnas (factores
k-1 y k) se obtienen multiplicando columnas previas de acuerdo a los generadores
escogidos.

Veamos este procedimiento de dos pasos para construir un diseo factorial 2
5-2
:
1. Se parte del diseo factorial completo 2
3
para los tres factores A, B y C

A B C D E
- - -
+ - -
- + -
+ + -
- - +
+ - +
- + +
+ + +

2. Los niveles para los factores D y E se obtienen al seleccionar de manera
adecuada los generadores. Una opcin es tomar I = ABD e I = ACE, y el tercer
generador es el producto ABD ACE = A
2
BCDE = BCDE. De esta manera se
puede obtener que D = AB y E = AC.
A B C D E
- - - + -
+ - - - -
- + - - +
+ + - + -
- - + + -
+ - + - +
- + + - -
+ + + + +

La estructura de alias completo se puede obtener como se explico anteriormente. Por
ejemplo, los alias de A se obtienen multiplicando este por los tres generadores as:

A = A (Primer generador) = A ABD = BD
A = A (Segundo generador) = A ACE = CE
A = A (Tercer generador) = A BCDE = ABCDE

El resto de alias para los dems factores se muestra en la siguiente tabla:
A+BD+CE+ABCDE
B+AD+ABCE+CDE
C+ABCD+AE+BDE
D+AB+ACDE+BCE
E+ABDE+AC+BCD
BC+ACD+ABE+DE
BE+ADE+ABC+CD
+ABD+ACE+BCDE
Tabla 6.7 Estructura de alias completa para un diseo
2 5
2

III


Se observa en la Tabla 6.7 que cada efecto principal tiene al menos una interaccin
doble como alias que es lo que conduce a un diseo de resolucin III.
De la Tabla 6.7 se puede asumir que las interacciones de orden superior son
despreciables y por lo tanto eliminarlas del modelo para obtener una estructura de
alias reducida (ver Tabla 6.8)
A + BD + CE
B + AD
C + AE
D + AB
E + AC
BC + DE
BE + CD
Tabla 6.8 Estructura de alias reducida para un diseo
2 5
2

III


Cuando se alan efectos con la misma jerarqua, como en el caso de BD + CE, debe
decidirse con base en el conocimiento del proceso, a que interaccin se atribuye el
efecto observado en el caso que resulte significativo. Otra manera es fijarse en qu
efectos principales resultan significativos ya que estos tienen ms probabilidad de
estar activos en sus interacciones.

6.4.5 Ejercicios propuestos.

1. A continuacin se muestran los resultados de un diseo factorial. Conteste los
siguientes incisos sin utilizar un software computacional, haga las operaciones que
se le piden de manera manual.
Rplica
A B I II III Total
- - 82 80 84 (1) = 246
+ - 78 82 79 (a) = 239
- + 71 70 66 (b) = 207
+ + 89 88 93 (ab) = 270

a. Qu nombre recibe este diseo y por qu?
b. Cuntos tratamientos tiene este diseo, cuntas rplicas?
c. En total son 12 corridas experimentales las que se realizaron, seale en
qu orden debieron correrse y explique por qu.
d. Seale los efectos que se pueden estudiar a travs de este diseo.
e. Obtenga los contrastes para los efectos principales de A y B, y para la
interaccin.
f. Calcule los efectos principales y el efecto de interaccin.
g. Haga las grficas de los efectos principales de A y B, e interprtelas.
h. Realice la grfica de la interaccin entre los factores de A y B, e interprtela
con detalle.
i. Desde su punto de vista el factor B parece tener influencias sobre Y?
Argumente.

2. Suponga un diseo factorial 2
3
, y conteste las siguientes preguntas.Utilizando la
notacin de (-, +) para los niveles de los factores, escriba todos los tratamientos
que forman este diseo.
a. Represente en forma geomtrica este diseo y resalte la regin de
experimentacin.
b. Cules son todos los posibles efectos que se pueden estu diar con este
diseo?
c. Para cada uno de los efectos anteriores, obtenga su contraste.
d. Seale en forma especfica cmo utilizara los contrastes para calcular los
efectos y la suma de los cuadrados.
e. Cmo aplicara los tres principios bsicos del diseo de experimentos en
este caso para cada uno de los efectos anteriores?

3. A continuacin se muestran los resultados obtenidos en un diseo factorial 2
3
no
replicado. Conteste los siguientes incisos sin utilizar un software computacional, es
decir, haga las operaciones que se le piden de forma manual.
Cdigo? A B C Y
- + - 25
+ + + 12
- - - 30
+ - + 10
- - + 10
+ + - 14
- + + 31
+ - - 17
a. En la primera columna de la matriz del diseo especifique el cdigo de cada
uno de los tratamientos, de acuerdo a la notacin de Yates.
b. Calcule los efectos principales de A y B.
c. Haga la grfica de los efectos principales de A y B, e interprtelas.
d. Calcule el efecto de la interaccin AB.
e. Realice la grfica de la interaccin entre los factores A y B; e interprtela
con detalle.
f. Qu tendra que hacer para saber si los efectos que clculo en los incisos
anteriores, afectan de manera significativa a la variable de respuesta?
g. Calcule la suma de cuadrados para el efecto principal de A y para la
interaccin.

4. Suponga un diseo factorial 2
4
, y conteste las siguientes preguntas.
a. Anote la matriz de diseo, es decir, haga una lista de todos los tratamientos
que forman este diseo.
b. Por qu este diseo recibe tal nombre?
c. Cules son todos los posibles efectos que se pueden estudiar con este
diseo?
d. Refirindose al anlisis, en qu consiste y cul es el objetivo de obtener el
mejor ANOVA?
e. Cmo se calculan los coeficientes de determinacin R
2
y R
2
AjS
?
f. Si despus de obtener el mejor ANOVA, se obtiene que estos R
2
aj

coeficientes tienen un valor de alrededor 90, qu significa esto?
g. Si por el contrario, tales coeficientes tienen un valor de alrededor 20, qu
significa esto?
h. Obtenga el contraste para el efecto principal de D y para el efecto de
interaccin CD.
i. Seale en forma especfica cmo utilizara los contrastes para calcular los
efectos y la suma de los cuadrados.
j. Puede darse el caso de que el efecto principal de A no sea significativo, y
el efecto de la interaccin AB si lo sea?

5. En una empresa lechera se ha tenido problemas con la viscosidad de cierta bebida
de chocolate. Se cree que tres ingredientes que se agregan en pequeas
cantidades son con los que se puede resolver este problema, por lo que es
necesario explorar la situacin; para ello se corre un experimento 2
3
con dos
rplicas. En seguida se aprecian los resultados obtenidos.
Ingrediente A Ingrediente B Ingrediente C Viscosidad
-1 -1 -1 13.3, 13.7
+1 -1 -1 14.7, 14.4
-1 +1 -1 14.6, 14.5
+1 +1 -1 14.3, 14.1
-1 -1 +1 16.9, 17.2
+1 -1 +1 15.5, 15.4
-1 +1 +1 17.0, 17.1
+1 +1 +1 18.9, 19.0

a. Estime todos los posibles efectos y diga cules son significativos.
b. Realice un anlisis de varianza de estos datos y obtenga conclusiones
generales.
c. Hay un tratamiento ganador para minimizar?
d. Verifique residuos, qu observa de destacado?

6. Se quiere aumentar el rendimiento de un proceso, y para ello se estudian tres
factores con dos niveles cada uno. Se hacen tres repeticiones en cada tratamiento
del diseo factorial 2
3
resultante. La variable de respuesta que se mide es
rendimiento. Los datos son los siguientes:
Repeticin
Tratamiento
1 2 3
(1) 22 31 25
a 32 43 29
b 35 34 50
ab 55 47 46
c 44 45 38
ac 40 37 36
bc 60 50 54
abc 39 41 47

a. Cules efectos estn activos?
b. Si obtuvo una interaccin importante, interprtela con detalle.
c. Determine las condiciones de operacin que maximizan el rendimiento.
d. Cul es la respuesta esperada en el mejor tratamiento?
e. Verifique los supuestos del modelo.

7. Se hace un experimento para mejorar el rendimiento de un proceso, controlando
cuatro factores en dos niveles cada uno. Se corre una rplica de un diseo factorial
2
4
, con los factores tiempo (A), concentracin (B), presin (C) y temperatura (D), y
los resultados son los siguientes:
A
0
A
1
B
0
B
1
B
0
B
1
C
0
C
1
C
0
C
1
C
0
C
1
C
0
C
1
D
0
12 17 13 20 18 15 16 15
D
1
10 19 13 17 25 21 24 23
a. Analice estos datos con el uso de todos los criterios existentes para
encontrar el mejor ANOVA. En las figuras considere de entrada los 15
efectos posibles.
b. Cules efectos estn activos?
c. Determine el mejor tratamiento.
d. Prediga el rendimiento esperado en el mejor tratamiento y d un intervalo
de confianza para el rendimiento futuro.
e. Compruebe los supuestos del modelo.
f. Puede este diseo colapsarse en uno 2
3
con dos rplicas? De ser posible,
hgalo y repita los incisos anteriores para este nuevo diseo.

8. En una empresa panificadora existen problemas con la simetra y el color del pan
integral. Los responsables del proceso sospechan que el problema se origina
desde la fase de fermentacin. En sta se combina agua, harina, cierta cantidad
de levadura ms una serie de ingredientes como fosfato, sal, etc. Al final de la
fermentacin se obtiene lo que se llama esponja lquida la cual debe cumplir una
serie de parmetros de calidad: una acidez total titulable (ATT) mayor a 6.0 y un
pH mayor a 4.8. Sin embargo, no se ha cumplido con dichas exigencias de calidad;
se han hecho algunos intentos experimentales con un factor a la vez, pero los
resultados han sido malos. En busca de una mejor estrategia experimental, se
decide utilizar un diseo factorial fraccionado 2
6-2
para investigar el efecto de seis
factores en las variables ATT y pH. Los primeros cinco factores se refieren a cierta
cantidad que se agrega en la fermentacin: A: levadura (17,19), B: sal (2.5, 3.7), C:
fosfato (2.0, 3.6), D: sulfato (1.5, 2.2), E: cloruro (0.89, 1.20); el sexto factor es F:
temperatura inicial del agua (22, 26). Los datos obtenidos se muestran en la tabla
siguiente.
Matriz de diseo
Variables de
respuesta
Orden de
corrida
A B C D E F ATT pH
9 - - - - - - 6.2 4.86
5 + - - - + - 5.6 4.86
6 - + - - + + 5.8 4.85
1 + + - - - + 5.8 4.99
14 - - + - + + 5.7 4.94
10 + - + - - + 6.4 4.74
13 - + + - - - 6.4 4.83
12 + + + - + - 6.6 4.85
11 - - - + - + 5.3 4.81
3 + - - + + + 6.6 4.81
15 - + - + - + 5.2 4.98
16 + + - + - - 5.5 4.98
8 - - + + + - 6.9 4.84
4 + - + + - - 7.1 4.85
2 - + + + - + 6.7 4.96
7 + + + + + + 6.9 4.84

a. Observe los datos con cuidado, sobre todo los correspondientes al pH,
qu observa de destacado? A qu puede deberse eso?
b. Cul es la resolucin de este diseo y qu significa sta? Escriba la
estructura alias reducida. Cmo se pueden interpretar efectos de
interaccin que son alias?
c. Cules efectos explican el comportamiento de cada una de las
respuestas? Encuentre el mejor ANOVA para cada respuesta e interprete
utilizando = 0.05.
d. Determine las condiciones de operacin que maximizan a ambas
respuestas simultneamente. Es posible dar una solucin simultnea al
problema con los anlisis individuales? Argumente.
e. Verifique los supuestos para cada variable de respuesta.

9. Se piensa que cuatro factores tienen influencia sobre el sabor de un refresco: tipo
de endulzante (A), proporcin jarabe/agua (B), nivel de carbonatacin (C) y
temperatura (D). Cada factor puede correrse en dos niveles, lo que produce un
diseo 24. En cada corrida del diseo, se dan muestras de la bebida a un grupo
de prueba formado por 20 personas. Cada una de ellas asigna un puntaje a la
bebida, que va de 1 a 10. El puntaje total es la variable de respuesta, y el objetivo
es encontrar una frmula que maximice el puntaje total. Se corren dos rplicas de
este diseo, y los resultados se muestran a continuacin. Analice los datos y
obtenga conclusiones. Utilice = 0.05 y las prueba estadsticas.
Rplica Rplica Combinacin
de
tratamientos
I II
Combinacin de
tratamientos I II
(1) 159 163 d 164 159
a 168 175 ad 187 189
b 158 163 bd 163 159
ab 166 168 abd 185 191
c 175 178 cd 168 174
ac 179 183 acd 197 199
bc 173 168 bcd 170 174
abc 179 182 abca 194 198

10. En un estudio del rendimiento en el desarrollo de un proceso, se analizan cuatro
factores, cada uno con dos niveles: tiempo (A), concentracin (B), presin (C), y
temperatura (D). Se corre slo una replica del diseo 2
4
, y los datos resultantes
son los que aparecen en la tabla siguiente:
Niveles de los factores
Nmero
de corrida
Orden real
de la
corrida
A B C D
Rendimiento
(lbs) Bajo (-)
Alto
(+)
1 5 - - - - 12 A (h) 2.5 3
2 9 + - - - 18 B (%) 14 18
3 8 - + - - 13 C (psi) 60 80
4 13 + + - - 16 D (C) 225 250
5 3 - - + - 17
6 7 + - + - 15
7 14 - + + - 20
8 1 + + + - 15
9 6 - - - + 10
10 11 + - - + 25
11 2 - + - + 13
12 15 + + - + 24
13 4 - - + + 19
14 16 + - + + 21
15 10 - + + + 17
16 12 + + + + 23

a. Haga una grfica de las estimaciones de los efectos sobre una escala
de probabilidad normal. Qu factores son los que aparentemente
tienen los efectos ms grandes?
b. Realice un anlisis de varianza utilizando la grfica de probabilidad
normal del inciso a) como gua para formar el trmino del error. Cules
son sus conclusiones?
c. Analice los residuos de este experimento. El anlisis de stos indica
algn problema en potencia?
d. Puede reducirse este diseo en un diseo 2
3
con dos rplicas? Si es
as, esboce el diseo con el promedio y el rango del rendimiento den
cada punto de un cubo. Interprete los resultados.
11. Considere el experimento descrito en el ejercicio anterior. Encuentre intervalos de
confianza del 95% sobre los efectos de los factores que parezcan importantes.
Utilice la grfica de probabilidad normal como gua con respecto a los efectos que
pueden combinarse para proporcionar una estimacin del error.