Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ahora consideraremos en el experimento factores de interés con tres niveles cada uno, en
total tendremos 3k tratamientos. Puede observarse que para muchos factores el diseño
requiere muchos tratamientos, sin embargo, para pocos factores es una buena alternativa pues
entre sus ventajas es que permite el estudio de curvaturas; también resulta útil en el caso en
que un factor es categórico con tres niveles.
Existen varias notaciones y nomenclaturas para los puntos del diseño 3k, las más comunes es
denotar a los tres niveles como bajo, medio y alto; en algunos libros utilizan los números -1, 0 y
1 y en otros los número 1, 2 y 3:
Tratamiento A B A B Yates
Bajo Bajo -1 -1 1 1 00
Medio Bajo 0 -1 2 1 10
Alto Bajo 1 -1 3 1 20
Bajo Medio -1 0 1 2 01
Medio Medio 0 0 2 2 11
Alto Medio 1 0 3 2 21
Bajo Alto -1 1 1 3 02
Medio Alto 0 1 2 3 12
Alto Alto 1 1 3 3 22
Diseño Factorial 32
Diseño factorial 32
Para este diseño consideraremos dos factores A y B con tres niveles cada uno, el modelo
estadístico es:
1,2,3; 1,2,3; 1, … , ,
3 '1 2 2 4 3 '1 .
Ahora creamos la tabla del análisis de varianza:
donde /. representa el valor codificado del efecto A, / representa el valor codificado del
efecto B. Aquí se ha descompuesto, por ejemplo, el efecto A en /. y /. , una parte lineal y una
parte cuadrática; cada efecto individual tendrá 1 grado de libertad.
Temperatura
Humedad Frío Ambiente Caliente
50% 1.5 1.2 3.5 3.2 4.0 4.2
70% 1.4 1.3 2.9 2.5 3.8 3.4
90% 0.8 1.2 1.8 2.0 2.7 3.0
Para crear el diseño factorial en “Estadísticas” seleccionamos “DOE”, después “Factorial” y por
último “Crear diseño factorial”:
En el menú de “Crear diseño factorial” elegimos la opción “Diseño factorial completo general”,
para nuestro ejemplo sólo requerimos de dos factores:
Temperatura Humedad
3.5
3.0
Media
2.5
2.0
1.5
1.0
Frío Ambiente Caliente 50 70 90
3.5
3.0
Media
2.5
2.0
1.5
1.0
50 70 90
Humedad
En la primera gráfica se observa que ambos efectos pueden ser significativos, así como que
posiblemente no existe curvatura (ambas siguen una tendencia casi lineal). En la segunda
gráfica tenemos que no hay mucha evidencia a favor de la interacción y si existe, no es muy
fuerte.
Ahora confirmaremos estas observaciones mediante el análisis de varianza. Para el análisis de
efectos A, B y AB de forma agrupada sólo analizamos el diseño en la sección de diseño de
experimentos (DOE):
Elegimos la fuerza como respuesta, los términos del modelo serán A, B y AB:
Aceptamos y obtenemos el análisis de varianza:
Para realizar el análisis de los efectos cuadráticos haremos una regresión lineal, pero primero
es necesario tener los datos en forma codificada:
Ahora el análisis lo haremos en la sección de regresión general:
Ecuación de regresión
Coeficientes
EE del
Término Coef coef. T P
Constante -4.200 2.90230 -1.44713 0.182
Temperatura 6.375 3.29570 1.93434 0.085
Humedad 2.725 3.29570 0.82683 0.430
Temperatura*Humedad -2.825 3.74244 -0.75486 0.470
Temperatura*Temperatura -1.175 0.81548 -1.44088 0.183
Humedad*Humedad -0.425 0.81548 -0.52117 0.615
Temperatura*Temperatura*Humedad 0.625 0.92601 0.67494 0.517
Temperatura*Humedad*Humedad 0.325 0.92601 0.35097 0.734
Temperatura*Temperatura*Humedad*Humedad -0.075 0.22913 -0.32733 0.751
Fuente F P
Regresión 53.036 0.000001
Temperatura 335.161 0.000000
Humedad 66.446 0.000019
Temperatura*Humedad 8.679 0.016328
Temperatura*Temperatura 6.482 0.031400
Humedad*Humedad 1.339 0.276950
Temperatura*Temperatura*Humedad 6.036 0.036351
Temperatura*Humedad*Humedad 0.036 0.854300
Temperatura*Temperatura*Humedad*Humedad 0.107 0.750906
Error
Total
Se concluye que las partes lineales son significativas al igual que la interacción y posiblemente
los términos Temperatura2, Temperatura2*Humedad.
Aún hay otra forma de verificar si existen curvaturas en el modelo, en el modelo de regresión
sólo introducimos los efectos principales y la interacción:
Aceptamos y obtenemos el siguiente resultado:
Ecuación de regresión
Fuerza = 0.3 + 1.59167 Temperatura - 0.0583333 Humedad - 0.225
Temperatura*Humedad
Coeficientes
Análisis de varianza
Residuo
50 0.00
10 -0.25
1 -0.50
-0.50 -0.25 0.00 0.25 0.50 1 2 3 4
Residuo Valor ajustado
3 0.25
Frecuencia
Residuo
2 0.00
1 -0.25
0 -0.50
-0.4 -0.2 0.0 0.2 0.4 2 4 6 8 10 12 14 16 18
Residuo Orden de observación
Con todo lo aprendido hasta ahora es posible analizar diseños factoriales, en bloques, con
factores fijos o aleatorios y analizar si existen curvaturas. Se han hecho análisis de dos casos
especiales: diseños 2k y 3k con puntos al centro y sin réplicas.
Referencias:
[1] Douglas C. Montgomery, “Diseño y Análisis de Experimentos”, Grupo Editorial
Iberoamericana, México 1991.
[2] Humberto Gutiérrez Pulido, “Análisis y Diseño de Experimentos”, McGraw Hill, México
2004.