Captulo V

Experimentos factoriales

Se llaman Experimentos Factoriales a aquellos experimentos en los
que se estudia simultneamente dos o ms factores, y donde los
tratamientos se forman por la combinacin de los diferentes niveles
de cada uno de los factores.
Los experimentos factoriales en si no constituyen un diseo
experimental si no un Diseo de Tratamiento (un arreglo de
tratamiento es una disposicin geomtrica de ellos bien en el espacio
o en el tiempo y que deben ser llevados en cualquiera de los diseos
experimentales clsicos tal como el Diseo Completo al Azar, el
Diseo en Bloques Completos al Azar, el Diseo en Cuadrado Latino.
Los experimentos factoriales se emplean en todos los campos de la
investigacin, son muy tiles en investigaciones exploratorias en las
que poco se sabe acerca de muchos factores. Muy frecuentemente
usados en investigaciones comparativas.

Ventajas:
1.- Permiten estudiar los efectos principales, efectos de interaccin
de factores, efectos simples y efectos cruzados y anidados.
2.- Todas las unidades experimentales intervienen en la
determinacin de los efectos principales y de los efectos de
interaccin de los factores, por lo que el nmero de repeticiones es
elevado para estos casos.
3.- El nmero de grados de libertad para el error experimental es
alto, comparndolo con los grados de libertad de los experimentos
simples de los mismos factores, lo que contribuye a disminuir la
varianza del error experimental, aumentando por este motivo la
precisin del experimento.

Desventajas:
1.- Se requiere un mayor nmero de unidades experimentales que
los experimentos simples y por lo tanto se tendr un mayor costo y
trabajo en la ejecucin del experimento.


50
2.- Como en los experimentos factoriales cada uno de los niveles
de un factor se combinan con los niveles de los otros factores; a fin
de que exista un balance en el anlisis estadstico se tendr que
algunas de las combinaciones no tiene inters prctico pero deben
incluirse para mantener el balance.
3.- El anlisis estadstico es ms complicado que en los
experimentos simples y la interpretacin de los resultados se hace
ms difcil a medida de que aumenta el nmero de factores y niveles
por factor en el experimento.

Conceptos generales:
Factor.- Es un conjunto de tratamientos de una misma clase o
caracterstica. Ejemplo: tipos de riego, dosis de fertilizacin,
variedades de cultivo, manejo de crianzas, mtodos de enseanza,
tipos de liderazgo, tipos raciales, etc.
Factorial.- Es una combinacin de factores para formar
tratamientos.
Niveles de un factor.- Son los diferentes tratamientos que
pertenecen a un determinado factor. Se acostumbra simbolizar algn
elemento "i" por la letra minscula que representa al factor y el valor
del respectivo subndice.
Ejemplo:
A: Tipos de riego: Secano, Goteo, Aspersin
Niveles: a
0
a
1
a
2


Tipos de factores:
1.- Factores Cuantitativos.
2.- Factores Cualitativos.
1.- Factores cuantitativos.- Son aquellos factores cuyos niveles
son cantidades numricas.
Ejemplo:
Factor A : Dosis de fertilizacin


51
Niveles : 10 Kg/Ha (a
o
), 20Kg/Ha (a
1
), 30Kg/Ha (a
2
).
2.- Factores cualitativos.- Son aquellos factores cuyos niveles
son procedimientos, o cualidades o atributos.
Ejemplo:
Factor A: Variedades de cultivo
Niveles : Variedad 1, Variedad 2.

Interaccin
Es el efecto combinado de dos o ms factores.
Es la combinacin de dos o ms variables independientes para
generar un efecto diferente al que ellos tienen cuando actan
independientemente.
El experimento factorial se planifica con la intencin exprofesa de
medir la interaccin y evaluarla. La interaccin puede ser de tres
tipos: Sinergismo, Antagonismo, Aditivo. Es anloga a la accin de
una droga.
Interaccin por sinergismo
Las dos drogas (factores) se combinan y generan un efecto muy
superior al que ellas exhiben por separado:


52


Interaccin por antagonismo
Las drogas (o factores) se combinan para producir un efecto
inferior al que ellas exhiben por separado:
DROGA
A
DROGA
B
DROGA
AxB
Interaccin
Interaccin por Sinergismo


53

Interaccin Aditiva: Las drogas (o factores) se combinan y producen
un efecto igual a la suma de los efectos independientes de cada
factor:

Algunos autores se refieren a la interaccin como el efecto que se
gana o se pierde cuando se combinan dos o ms factores y hablan en
DROGA
A
DROGA
B
DROGA
AxB
Interaccin
Interaccin por Antagonismo
DROGA
A
DROGA
B
DROGA
AxB
Interaccin
Interaccin Aditiva


54
dichos caos de interaccin positiva (cuando se gana) e interaccin
negativa (cuando se pierde). En economa, se habla de incremento y
decremento. O incremento positivo y negativo.
Ejemplo de formacin de factoriales:
Sea los factores A y B con sus respectivos niveles:
Factor A: a
0
a
1
a
2

Factor B: b
0
b
1

La combinacin de los niveles de los factores ser:
a
0
a
1
a
2

b
0
b
1
b
0
b
1
b
0
b
1

a
0
b
0
a
0
b
1
a
1
b
0
a
1
b
1
a
2
b
0
a
2
b
1
} tratamientos
Al combinar ambos factores (A y B) se tiene:
3 x 2 = 6 tratamientos para ser evaluados
niveles de A x niveles de B
Si cada tratamiento se aplica a 4 unidades experimentales, se
requiere 24 unidades experimentales, para realizar el experimento:
Repeticiones a
0
b
0
a
0
b
1
a
1
b
0
a
1
b
1
a
1
b
0
a
2
b
1

1
2
3
4

Formacin de factoriales:
En la informacin de factoriales, se debe tener presente lo
siguiente:
1.- Que factores deben incluirse.


55
2.- Que factores son fijos (modelo I) y que factores son al azar
(modelo II).
3.- Cuntos niveles se tiene por factor.
4.- Si son factores cuantitativos, cual debe ser el espaciamiento
entre los niveles del factor.
Por ejemplo:
0%, 5% y 10% de nitrgeno, significa igual espaciamiento.

Tipos de experimentos factoriales:
Los experimentos factoriales para un determinado diseo se
diferencian entre si, por el nmero de factores y por la cantidad de
niveles de estos factores que intervienen en el experimento.
Para simbolizar se usa la letra del factor:
pA x qB dos factores "A y "B", con "p" niveles para "A" y "q" niveles
para "B"
2A 2B = 2A x 2B 2 x 2 2
2
Nmero de niveles de cada factor lo
cual permite evaluar (4 tratamientos).
3A 3B = 3A x 3B 3 x 3 3
2
Nmero de niveles (9 tratamientos).
4A 4B = 4A x 4B 4 x 4 4
2
Nmero de niveles (l6
tratamientos).








56

Efectos de los experimentos factoriales:
1.- Efecto principal.- Es una medida del cambio en el promedio
entre los niveles de un factor, promediado sobre los diferentes niveles
del otro factor. Ejemplo: Dosis de Nitrogeno en las U.E.
2.- Efecto interaccin.- Es una medida de cambio que expresa el
efecto adicional resultante de la influencia combinada de dos o ms
factores.
Ejemplo: Efecto conjunto de nitrgeno y fsforo.
3.- Efecto simple.- Es una medida de cambio en los promedios de
los niveles de un factor, manteniendo constante, uno de los niveles
del otro factor.
Ejemplo: Efecto de nitrgeno ante la presencia de 5% de fsforo.

Grfico de la interaccin:
La interaccin de los factores se representa grficamente; la
tendencia indica el grado de interaccin entre los factores, la cual
aumenta a medida que las lneas tiendan a cruzarse.
En los siguientes grficos se muestran los casos posibles de
interaccin en dos factores: A con 3 niveles y B con 2 niveles. En el
eje "X" se registra los niveles de A y en el eje "Y" los promedios de la
interaccin de "A" y "B". Los puntos son unidos por una lnea de
tendencia, para cada nivel de "B".





57
Sin interaccin:

Interaccin dbil:


ao a1 a2
Sin interaccin
Lneas Paralelas
b0
b1
ao a1 a2
Interaccin Dbil
Tendencia a entrecruzarse las lneas P
b0
b1


58
Interaccin Fuerte:

Experimento factorial (pxq) conducido en DBCA
Ejemplo prctico:
Con el objeto de averiguar la estabilidad de la vitamina C en
concentrado de jugo de naranja (congelado, reconstituido) que se
almacena en un refrigerador por un periodo de hasta una semana, se
probaron 3 marcas del jugo de naranja, a 3 diferentes tiempos. Estos
ltimos se refieren al nmero de das que transcurren desde que el
jugo de naranja se mezcla hasta que se somete a la prueba. La
informacin se recogi de 4 diferentes muestras, provenientes de 4
diferentes operarios. Los resultados expresados en miligramos de
cido ascrbico por litro se presentan a continuacin:
Factor M : (marca): M
1
, M
2
, M
3

Factor T : (tiempo, das) : T
1
(3 das), T
2
(5 das), T
3
(7 das)
Bloques : (Operarios) : B
1
, B
2
, B
3
, B
4

ao a1 a2
Interaccin Fuerte
Las lneas de Tendencia se entrecruzan
b0
b1


59
M1 M2 M3
BLOQ T1 T2 T3 T1 T2 T3 T1 T2 T3 TOTAL
1
2
3
4
52.6
54.2
49.8
46.5
56.0
48.0
49.6
48.4
52.5
52.0
51.8
53.6
49.4
49.2
42.8
53.2
48.8
44.0
44.0
42.4
48.0
47.0
48.2
49.6
42.7
48.8
40.4
47.6
49.2
44.0
42.0
43.2
48.5
43.4
45.2
47.6
447.7
430.6
413.8
432.1
TOTAL 203.1 202.0 209.9 194.6 179.2 192.8 179.5 178.4 184.7 1724.2
M1 = 615.0 M2 = 566.6 M3 = 542.6
T1 = 577.2 T2 = 559.6 T3 = 587.4
Donde:
i: 1, 2, 3 (Marca) j : 1, 2, 3 (Tiempo) k : 1, 2, 3, 4 (Operario)


Se pide:
a. Presente el Modelo Aditivo Lineal (M.A.L.) e interprete cada uno de
sus componentes en trminos del problema.
b. Realice el Anlisis grfico de la interaccin. Qu comentario
puede Ud., realizar al respecto ?.
c. Realice el Anlisis de Variancia. De sus conclusiones con alpha =
0.05
d. Realice la Prueba de Duncan para el Factor Marca de Jugo de
Naranja. Use alpha = 0.05
Algunos diseos experimentales clsicos
Un diseo experimental es una regla que determina la asignacin
de las unidades experimentales a los tratamientos. Aunque los
experimentos difieren unos de otros en muchos aspectos, existen


60
diseos estndar que se utilizan con mucha frecuencia. Algunos de
los ms utilizados son los siguientes:
1. Diseo completamente aleatorizado:
El experimentador asigna las unidades experimentales a los
tratamientos al azar. La nica restriccin es el nmero de
observaciones que se toman en cada tratamiento. De hecho si n
i
es el
nmero de observaciones en el i-simo tratamiento, i = 1,...,I,
entonces, los valores n
1
,n
2
,...,n
I
determinan por completo las
propiedades estadsticas del diseo. Naturalmente, este tipo de
diseo se utiliza en experimentos que no incluyen factores bloque y
las unidades experimentales sean muy homogneas.
El modelo matemtico de este diseo tiene la forma:

2. Diseo en bloques o con un factor bloque:
En este diseo el experimentador agrupa las unidades
experimentales en bloques, a continuacin determina la distribucin
de los tratamientos en cada bloque y, por ltimo, asigna al azar las
unidades experimentales a los tratamientos dentro de cada bloque.
En el anlisis estadstico de un diseo en bloques, stos se tratan
como los niveles de un nico factor de bloqueo, aunque en realidad
puedan venir definidos por la combinacin de niveles de ms de un
factor nuisance (factor de ruido)
El modelo matemtico de este diseo es:



61
El diseo en bloques ms simple es el denominado diseo en
bloques completos, en el que cada tratamiento se observa el
mismo nmero de veces en cada bloque.
El diseo en bloques completos con una nica observacin por
cada tratamiento se denomina diseo en bloques completamente
aleatorizado o, simplemente, diseo en bloques aleatorizado.
Cuando el tamao del bloque es inferior al nmero de tratamientos
no es posible observar la totalidad de tratamientos en cada bloque y
se habla entonces de diseo en bloques incompletos.
3. Diseos con dos o ms factores bloque:
En ocasiones hay dos (o ms) fuentes de variacin lo
suficientemente importantes como para ser designadas factores de
bloqueo. En tal caso, ambos factores bloque pueden ser cruzados o
anidados.
Los factores bloque estn cruzados cuando existen unidades
experimentales en todas las combinaciones posibles de los niveles de
los factores bloques.
Diseo con factores bloque cruzados. Tambin denominado
diseo fila-columna, se caracteriza porque existen unidades
experimentales en todas las celdas (intersecciones de fila y columna).
El modelo matemtico de este diseo es:


Los factores bloque estn anidados si cada nivel particular de uno
de los factores bloque ocurre en un nico nivel del otro factor bloque.


62

4. Diseos con dos o ms factores:
En algunas ocasiones se est interesado en estudiar la influencia
de dos (o ms) factores tratamiento, para ello se hace un diseo de
filas por columnas. En este modelo es importante estudiar la posible
interaccin entre los dos factores. Si en cada casilla se tiene una
nica observacin no es posible estudiar la interaccin entre los dos
factores, para hacerlo hay que replicar el modelo, esto es, obtener k
observaciones en cada casilla, donde k es el nmero de rplicas.
El modelo matemtico de este diseo es:
Para dos factores:
B A B A Y *
Para tres factores:
C B A C B C A B A C B A Y * * * * *
Para cuatro factores:
D C B A D C A D C B D B A
C B A D C D B C B D A C A B A D C B A Y
* * * * * * * * *
* * * * * * * *



Generalizar los diseos completos a ms de dos factores es
relativamente sencillo desde un punto de vista matemtico, pero en
su aspecto prctico tiene el inconveniente de que al aumentar el
nmero de factores aumenta muy rpidamente el nmero de
observaciones necesario para estimar el modelo. En la prctica es
muy raro utilizar diseos completos con ms de 5 factores.
Un camino alternativo es utilizar fracciones factoriales que son
diseos en los que se supone que muchas de las interacciones son
nulas, esto permite estudiar el efecto de un nmero elevado de


63
factores con un nmero relativamente pequeo de pruebas. Por
ejemplo, el diseo en cuadrado latino, en el que se supone que
todas las interacciones son nulas, permite estudiar tres factores de k
niveles con solo k
2
observaciones. Si se utilizase el diseo equilibrado
completo se necesitan k
3
observaciones.
5. Diseos factoriales a dos niveles:
En el estudio sobre la mejora de procesos industriales (control de
calidad) es usual trabajar en problemas en los que hay muchos
factores que pueden influir en la variable de inters. La utilizacin de
experimentos completos en estos problemas tiene el gran
inconveniente de necesitar un nmero elevado de observaciones,
adems puede ser una estrategia ineficaz porque, por lo general,
muchos de los factores en estudio no son influyentes y mucha
informacin recogida no es relevante. En este caso una estrategia
mejor es utilizar una tcnica secuencial donde se comienza por
trabajar con unos pocos factores y segn los resultados que se
obtienen se eligen los factores a estudiar en la segunda etapa.
Los diseos factoriales 2
k
son diseos en los que se trabaja con
k factores, todos ellos con dos niveles (se suelen denotar + y -).
Estos diseos son adecuados para tratar el tipo de problemas
descritos porque permiten trabajar con un nmero elevado de
factores y son vlidos para estrategias secuenciales.
Si k es grande, el nmero de observaciones que necesita un
diseo factorial 2
k
es muy grande (n = 2
k
). Por este motivo, las
fracciones factoriales 2
k-p
son muy utilizadas, stas son diseos
con k factores a dos niveles, que mantienen la propiedad de
ortogonalidad de los factores y donde se suponen nulas las
interacciones de orden alto (se confunden con los efectos simples)
por lo que para su estudio solo se necesitan 2
k-p
observaciones


64
(cuanto mayor sea p menor nmero de observaciones se necesita
pero mayor confusin de efectos se supone).
En los ltimos aos Taguchi ha propuesto la utilizacin de
fracciones factoriales con factores a tres niveles en problemas de
control de calidad industrial.
Diseos Anidados o Jerarquizados

Los diseos anidados o jerarquizados son arreglos factoriales de
tratamientos, donde un factor se encuentra encajado (anidado o
jerarquizado) dentro de otro y este a su vez dentro de otro. Esta
disposicin permite que se prueben ciertos niveles y no otros. Permite
que se prueben slo los niveles que incluye el investigador.
Si se concibe de esta forma se considera como una estrategia de
control de la variacin con la intencin de reducir la variacin debida
al error experimental.
Suele confundirse con el arreglo factorial cruzado. Ejemplo sea un
factorial de tres factores cruzados del tipo (2x2x3):

Factor a
SEXO
Factor b
VITAMINA
Factor c
MINERAL
Variable respuesta
Pesos= kilogramos
a1
(varn)






a2
(mujer)
b1 (500)



b2 (1000)



b1 (500)



b2 (1000)
c1 (20%)
c2 (40%)
c3 (80%)

c1 (20%)
c2 (40%)
c3 (80%)

c1 (20%)
c2 (40%)
c3 (80%)

c1 (20%)
c2 (40%)
c3 (80%)

2,3,4
1,2,3
5,2,3

5,2,3
1,4,6
2,5,6

3,3,3
5,4,3
2,3,1

8,9,5
2,3,4
4,5,6




65
En un ejemplo de nutricin puede considerarse: factor a
(ao=varn, a1=mujer), factor b (b1=vitamina 500 UI, b2= vitamina
1000 UI) y un tercer factor c (c1=mineral 20%, c2=mineral 40% y
c3=mineral al 80%).
La variable respuesta es el aumento de peso experimentado por el
sujeto en un perodo de 4 meses.
De esta forma se dice que b est cruzado con a por ser los mismos
niveles; c est cruzado con b por ser los mismos niveles; c est
cruzado con a por ser los mismos niveles.
Pero si introducimos un cambio en el diseo anterior as,
cambiamos o queremos probar intencionalmente niveles de vitaminas
y minerales diferentes tendremos:


Factor a
(SEXO)
Factor b
(VITAMINA)
Factor c
(MINERAL)
Variable
respuesta
Peso =Kgr
a1
(varn)






a2
(mujer)
b1 (500)



b2 (1000)



b1 (300)



b2 (2000)
c1 (20%)
c2 (40%)
c3 (80%)

c1 (25%)
c2 (45%)
c3 (65%)

c1 (12%)
c2 (13%)
c3 (14%)

c1 (30%)
c2 (40%)
c3 (50%)

2,3,4
1,2,3
5,2,3

5,2,3
1,4,6
2,5,6

3,3,3
5,4,3
2,3,1

8,9,5
2,3,4
4,5,6


En este nuevo arreglo los factores vitaminas y minerales que estn
encajados por sexo no son los mismos. Esta disposicin nos lleva a
afirmar que el diseo est anidado: b dentro de a y c dentro de b y a.
Las dos disposiciones experimentales conllevan a anlisis estadsticos
diferentes porque el primero incluye interacciones y el segundo no.


66
El modelo aditivo lineal del primer ensayo es:
) ( ) ( ) ( ) ( AxBxC BxC AxC AxB C B A Y
Donde:
Y= la variable respuesta (el aumento de peso)
media general de la respuesta
A=efecto del sexo
B=efecto de la vitamina
C=efecto del mineral
AxB=efecto de la interaccin sexo por vitamina
AxC= efecto de la interaccin sexo por mineral
BxC= efecto de la interaccin vitamina por mineral
AxBxC= efecto de la interaccin sexo por vitamina por mineral
error experimental

Para el segundo arreglo, el modelo aditivo lineal es:
) ( ) ( AxB C A B A Y

Donde:
Y= la variable respuesta (el aumento de peso)
media general de la respuesta
A=efecto del sexo
B(A)=efecto de la vitamina dentro de sexo
C(AxB)=efecto del mineral dentro de sexo y mineral
error experimental

Realizar el tratamiento estadstico de los dos ensayos y verificar las
diferencias que existen entre ambos ANOVAS.
El Diseo es: Experimental Riguroso o Genuino.
Caractersticas y Propiedades:
(a) Existe Control de todos los factores de validez interna
(b) Existe aleatorizacin


67
(c) Hay replicacin

Ejemplo de aplicacin de un factorial
Un fabricante de alimentos prueba varias composiciones de un jugo
de naranja. Se prueban tres niveles de dulzura (alto, medio, bajo) en
combinacin con dos niveles de acidez (bajo, alto) y dos coloraciones
Natura (1) y Artificial (0). Seis personas califican cada combinacin
en una escala del 1 al 99. Las calificaciones son las siguientes:

Dulzura Acidez Color Calificacin
1 1 1 40 35 45 42 48 45
1 1 0 62 56 60 54 60 65
1 2 1 38 32 50 40 46 35
1 2 0 60 50 48 61 55 53
2 1 1 45 56 50 45 55 48
2 1 0 72 56 63 75 67 68
2 2 1 47 53 46 52 56 47
2 2 0 60 66 56 64 72 70
3 1 1 35 50 35 40 43 35
3 1 0 56 48 52 45 59 52
3 2 1 25 35 30 24 34 34
3 2 0 40 36 32 31 34 38

Matriz de Datos en Statistix
Cuando vamos a crear la matriz de datos debemos tener cuidado
en crear una variable para cada factor y prever una variable adicional
para las interacciones (combinaciones en este caso: 12 en total):
La matriz de datos aparece en el CD-ROM en el archivo: JUGO.SX.
La secuencia de instrucciones es:
STATISTICS>LINEAR MODELS>ANALISIS DE
VARIANZA>GENERAL AOV/AOCV


68
Caja de dialogo
Incluye la variable dependiente (aqu se declara (la calificacin del
jugo) y en las instrucciones del modelo de ANOVA incluiremos los
factores principales y sus interacciones, es decir:
Variable dependiente: califica
Instrucciones del Modelo: A B C A*B A*C B*C A*B*C
O TAMBIN: ALL(A B C) instruccin abreviada que genera todas y
cada una de las interacciones, as como los efectos principales.
El resumen de los resultados de las pruebas F es:

Fuentes de variacin
gl
Sumas de
cuadrados
Valor
F
Valor P
Dulzura 2 4149,53 75,51 0,0001
Acidez 1 624,22 22,72 0,0001
Dulzura*Acidez 2 488,53 8,89 0,0004
Color 1 3200,00 116,46 0,0001
Dulzura*Color 2 203,08 3,70 0,0307
Acidez*Color 1 80,22 2,92 0,0927
Dulzura*Acidez*Color 2 24,19 0,44 0,6459

Conclusiones
(1) Las calificaciones del jugo variaron por: Dulzura, Acidez, Color
y por la interaccin Dulzura*Color y Dulzura*Color.
(2) Las calificaciones del jugo fueron iguales por: Acidez*Color y
Dulzura, Acidez y Color.
(3) Es conveniente verificar a continuacin Cul combinacin es
mejor, entre Dulzura y Color? Cul combinacin es mejor,
entre Dulzura y Acidez?


Verificar las combinaciones
Dulzura por Color y
Dulzura por Acidez