EXPERIMENTOS FACTORIALES

Por Percy Velasquez C.

 INTRODUCCIN
Los experimentos factoriales son arreglos de tratamientos que permiten
aplicar de una sola vez una serie de estmulos o tratamientos que
consideramos que intervengan en la respuesta dada por una unidad
experimental.
Los arreglos factoriales son de importancia prctica, ya que permiten el
estudio de un estmulo como tal y su respuesta combinatoria respecto de
otras condiciones generadas por la intervencin con otros factores, dando
as informacin ms completa, aun cuando los efectos interaccionales no
sean significativos. En las ciencias agroindustriales normalmente se usan
combinaciones hasta de tres factores debido principalmente a la
interpretacin fisiolgica de las interacciones. Los arreglos de tratamientos
pueden ser estudiados en el contexto de los diseos bsicos, considerando
las caractersticas de las unidades experimentales con las que se trabaje.
 Los experimentos factoriales no constituyen un diseo en s, sino que debe
arreglarse a cuales quiera de los diseos conocidos como: diseo
completamente al azar, diseo bloques completos, cuadrados latino, etc.
Su utilidad radica en que es posible estudiar simultneamente ms de un
factor. Ejemplo estudiar varias razas de los animales y el sexo de los mismos
para determinar sus incrementos de pesos; estudiar diversas variedades y su
respuesta a las diferentes formas de abonamiento, etc. Adems es
importante porque nos permite comparar los niveles de cada factor entre s,
y adems las interacciones que puedan resultar como consecuencia de las
combinaciones de los niveles de cada factor.
 VENTAJAS DE LOS EXPERIMENTOS
FACTORIALES
Permite estudiar los efectos principales, efectos simples as como de los
efectos de la interaccin.
Todas las unidades experimentales intervienen en la determinacin de los
efectos principales, efectos simples y de la interaccin.
Permite ganar mayor precisin en el experimento.
Se pueden correr fracciones de diseos factoriales, las cuales son de gran
utilidad al inicio de una investigacin que involucra a muchos factores,
cuando interesa descartar por razones de costos los factores que no son
importantes.
La interpretacin y el clculo de los efectos en los experimentos factoriales,
se puede hacer con aritmtica elemental, en particular cuando cada
factor se prueba en dos niveles.
 DESVENTAJAS DE LOS
EXPERIMENTOS FACTORIALES
Se requiere mayor nmero de unidades experimentales que en los
experimentos simples en los cuales se estudia nicamente un solo factor; as
que en un experimento factorial con 4 niveles del A, y 5 niveles del factor B,
repetidos 5 veces para cada combinacin de tratamientos, se requerir 100
unidades experimentales para estudiar solamente 2 factores, mientras si se
quisiera estudiar mayor nmero de factores el nmero de unidades
experimentales seria an mayor.
Como en los experimentos factoriales deben de combinarse todos los
niveles de las factoriales en estudio, algunas de estas combinaciones
resultan de poco inters del investigador.
El anlisis estadstico es ms complicado en comparacin con los
experimentos simples.
 ELECCIN DE LOS FACTORES

Factor
Es una clase de tratamiento que interviene en el experimento, es as que en
los Experimentos Factoriales, todo factor proporciona varios tratamientos;
ejemplo de factores: Razas e animales, variedades de alfalfa, dosis de
nitrgeno, profundidad de labranza, raciones alimenticias, dosis de una
hormona, etc. A los factores se les simboliza generalmente por las primeras
letras maysculas del alfabeto (A, B, C, D, etc.).
 Niveles de un factor
Son los diversos tratamientos que pertenecen a un determinado factor; y se
acostumbra a simbolizar un nivel cualquiera por la letra que representa el
factor y el valor del respectivo subndice. Ejemplo: el factor dosis: a1= 2cc,
a2= 3cc, a3=4cc, a4=5cc.
 TIPOS DE FACTORES
Factor fijo
Los niveles o tratamientos son fijados por el experimentador de acuerdo a su
inters. Son muy usuales en la experimentacin. Ejemplos:
Factor Nitrgeno: 50,70, 90 kg de N/ha.
Factor temperatura; 10, 15, 18, 20 grados centgrados.
Alimento: con ingrediente nuevo, sin ingrediente.
Tres variedades de trigo: V1, V2, V3, etc.
Factor al alzar
Los niveles o tratamientos son seleccionados al azar de la poblacin de
niveles, constituyendo una muestra los que estn en el experimento.
Ejemplo:
Los aos en los que se cultivan ciertas variedades de palta, tuna, etc., son
considerados como una muestra de aos antes y aos despus de lo
establecido.
 CLASIFICACIN DE LOS FACTORES
Factores cualitativos
Los niveles o tratamientos son cualidades o categoras, cuyos niveles
corresponden a procedimientos o cualidades y no tienen un orden natural y
cada nivel tiene un valor intrnseco. Ejemplo: mtodos de enseanza de
cierta asignatura, variedades o linajes de un cultivo, pocas del ao, las
estaciones del ao, clases de lana, razas de ganado, variedades, zonas
ecolgicas, tipos de hormona, tipos de alimento, sistema de riego, sistema
de labranza, variedades de los cereales, etc.
 Factores cuantitativos
Son aquellos cuyos niveles corresponden a cantidades numricas de un
factor cuantitativo, que de preferencia debe ser igualmente espaciado o de
igual intervalo o no. Ejemplo: distanciamiento entre plantas de algodn a
50cm, 60 cm, 70cm, niveles de pH en la elaboracin de cierto alimento: 2.0,
2.5, 2.8, 3.0, diferentes dosis de una hormona, diferentes dosis de una racin
proteica, diferentes dosis de un abono nitrogenado, diferentes grados de
temperatura, dosis de vitamina B12, tiempos, minutos, etc.
 Factores cruzados
Factores en los que cada nivel de uno de los factores se combina con todos
los niveles de los otros factores.
Factores anidados
Los niveles de cada factor no pueden o no interesa que se combinen con
todos los niveles de los otros factores, un factor puede ser fijo o al azar.
 Simbolizacin
Se utiliza letras maysculas para los factores: A, B, C, D, R y letras minsculas
con subndices para indicar niveles:
a, b, c, d, r (para indicar el nmero de niveles de cada factor)
i, j, k, l, m (para indicar cualquier nivel del factor)
ai, bj, ck, dl, rm (para indicar los niveles)
, , , , (para indicar los efectos)
 EJEMPLO 7.1

Un experimento factorial en el cual se estudia dos factores, y cada factor

con dos niveles, se simboliza como 2A x 2B 2 x 2. El nmero de
combinaciones de tratamientos que intervienen en este factorial es el
producto de las cantidades de niveles de los factores en estudio, en este
procedimiento existirn 4 tratamientos.
En un experimento factorial en el cual intervienen tres factores A, B, y C,
donde el factor A tiene tres niveles, el factor B tiene dos niveles y el factor C,
tiene dos niveles, se simboliza como 3A x 2B x 2C 3 x 2 x 2 o tambin 3x22; y
el nmero de tratamientos producto de las combinaciones ser igual a 12.
Tipos de notacin en el experimento factorial
(croquis de campo)
 EJEMPLO 7.3

Supongamos que en un proceso de fermentacin alcohlica, se tienen dos

factores A: tipo de levadura y B: temperatura de fermentacin cada uno
con dos niveles denotados por A1=1, A2=2 y B1= 22C, B2=30C,
respectivamente. La variable de respuesta es el rendimiento del proceso de
fermentacin, el cuadro 7.1 se muestran los cuatro tratamientos o puntos
del diseo factorial 22, y entre parntesis se indica los niveles codificados (1,
-1). En el experimento original cada tratamiento se corri tres veces (3
rplicas), lo cual da un total de 12 corridas, por simplicidad, en la ltima
columna en el cuadro 7.1 solo se anotaron los resultados de la primera
replica.
La matriz de diseo o arreglo factorial es el conjunto de puntos experimentales o
tratamientos que pueden formarse considerando todas la posibles combinaciones de los
niveles de los factores. Para afinar ideas, si se sigue teniendo dos factores pero ahora uno
tiene tres niveles y el otro dos, se puede construir 3 X 2. Observe que en el nombre del
diseo factorial va implcita el nmero de tratamientos que lo componen, para obtener el
nmero de corridas experimentales se multiplica el nmero de tratamientos por el
nmero de rplicas, donde una de esta se lleva a cabo cada vez que se corre el arreglo
completo.
 EFECTOS PRINCIPALES Y EFECTOS DE
INTERACCIN
Los efectos de un factor se definen como el cambio observado en la
variable de respuesta debido a un cambio de nivel de tal factor. En
particular, los efectos principales son los cambios en la medida de la
variable de respuesta que se deben a la accin individual de cada factor.
En trminos matemticos, el efecto principal de un factor con dos niveles es
la diferencia entre la respuesta media observada cuando el factor estuvo
en su nivel bajo. Por ejemplo para los datos del cuadro 7.1, los efectos
principales estn dados por:
 Por lo que en trminos absolutos, el efecto principal de B es mayor. Por otra
parte, se dice que dos factores interactan entre s o tienen un efecto de
interaccin sobre la variable de respuesta, cuando el efecto de un factor
depende del nivel en el que se encuentra el otro. Por ejemplo, los factores A
y B interactan si el efecto de A es muy diferente en cada nivel de B, o
viceversa. Por ejemplo, de los datos del cuadro 7.1, el efecto de A cuando
B es baja est determinado por:
 Con estos dos ejemplos de A en funcin del nivel de B son muy diferentes,
entonces es evidencia de que la eleccin ms conveniente del nivel de A
depende del nivel en el que este B, y viceversa. Es decir, eso es evidencia
de que los factores A y B interactan sobre Y. en la prctica, el clculo del
efecto de A en cada nivel de B no se hace, y ms bien se calcula el efecto
global de la interaccin de los dos factores, que es denotado por AB y se
calcula como la diferencia entre la respuesta media cuando ambos
factores se encuentran en el mismo nivel (-1, 1) ; (1, 1), y la respuesta media
cuando los factores se encuentran en nivel opuesto (-1, 1) (1, -1). Para el
ejemplo, el efecto de interaccin tiempo x temperatura est dada por:
Los valores absolutos (sin importar el signo) de los efectos
principales y del efecto de interaccin son una medida de la
importancia de su efecto sobre la variable de respuesta. Sin
embargo, como se tienen estimaciones muestrales, para saber si los
efectos son estadsticamente significativos (diferentes de cero) se
requiere el anlisis de varianza (ANOVA).
REPRESENTACIN DE LOS EFECTOS
PRINCIPALES Y LA INTERACCIN
 Para entender e interpretar de qu manera un efecto de interaccin
afecta la variable de respuesta, se debe ser cuidadoso y analizar con
detalle lo que pasa en Y cuando se mueve un factor dependiendo del nivel
en el que este el otro. Por ejemplo en caso del inciso c) de la figura 7.1 se
aprecia que si A se cambia de un nivel (-1) al (1), cuando B= - 1, la
respuesta Y tambin se incrementa, pero si B= 1, la respuesta B, en el caso
del inciso b) de esta misma figura, se puede ver que si B se incrementa
(cambia) de (-1) a (1), cuando A=1, la respuesta Y se incrementa
ligeramente; pero si A=-1, la respuesta se incrementa mucho.
 Cabe sealar que en muchos procesos industriales y biolgicos hay factores
que tienen un efecto fuerte de interaccin sobre Y, y qu si esto se ignora,
lo que algunas veces es una solucin (incrementar B cuando A= -1), en
otras ocasiones es insuficiente o incluso contraproducente (incrementar B
cuando A=1) esto en la prctica provoca desconocimiento a los
investigadores, les genera explicaciones falsas y finalmente les lleva a
ignorar aspectos bsicos de su proceso.

Figura 7.2 No hay

efecto de
interaccin. En (b)
se aprecia que si A
se aumenta, Y
aumenta
independientement
e del valor de B.
 EXPERIMENTO FACTORIAL DE LA SERIE
2K

Objetivos:
Conocer y aplicar los aspectos fundamentales de los diseos factoriales 2k y
tomar decisiones acerca de cundo se debe aplicar cada diseo.

Saber disear un experimento factorial 2k para aplicarlo a diversos casos.

Identificar cundo y porque aplicar el diseo factorial 2k en bloques o con

puntos al centro.
 Considere los factores A y B con a y b (a,b 2) niveles de prueba,
respectivamente. Con ellos se puede construir el arreglo o diseo factorial a
x b, que consiste a x b tratamientos o combinaciones. Algunos casos
particulares de uso frecuente son: el experimento factorial 22, el factorial 32 y
el factorial 3 x 2. Los experimentos factoriales que involucran menos de
cuatro factores se corren replicados para poder tener la potencia
necesaria en las pruebas estadsticas sobre los efectos de inters, de tal
forma que si se hacen n replicas, el nmero total de corridas
experimentales es n(a x b).
EJEMPLO:
 EXPERIMENTO FACTORIAL BAJO EL
DISEO COMPLETO AL AZAR (DCA)

El modelo lineal aditivo es el siguiente:

= + + + () +
i = 1,2,, p (niveles de factor A)
j = 1,2,, q (Niveles de factor B)
k = 1,2,, r (repeticiones)
 Dnde:
Yijk = Es la variable respuesta de la k-sima observacin bajo el j-simo nivel
de factor B, sujeto al i-simo nivel de tratamiento A.
= Constante, media de la poblacin a la cual pertenecen las
observaciones.
i= Efecto del i-simo nivel del factor A.
j = Efecto del j-simo nivel del factor B.
()ij = Efecto de la interaccin del i-simo nivel del factor A, en el j-simo
nivel del factor B.
ijk = Efecto del error experimental, que est distribuido como ijk ~DNI (0, 2 )
ANOVA PARA UN FACTORIAL DE DS
FACTORES BAJO DEL DISEO
COMPLETO AL AZAR
 EJEMPLO 7.3
En una empresa alimenticia se desean evaluar cuatro antioxidantes, a travs de su efecto
en un aceite vegetal. El propsito es seleccionar el producto que retrase ms la oxidacin.
Las pruebas se hacen a condiciones de estrs, midiendo como variable de respuesta al
ndice de perxidos. Diferentes unidades experimentales se evalan a diferentes tiempos. El
tiempo est dado en horas. Los datos obtenidos se presentan a continuacin (en el control
no se agrega ningn antioxidante).
Calcular el ANVA respectivo y realice efectos simples para la interaccin.
Graficar la interaccin de los dos factores e interprete los resultados.
Considerar que a menor ndice de perxido es mejor el producto
 INTERPRETACIN

De acuerdo al anlisis de varianza (ANVA), encontramos que existe

diferencia estadstica altamente significativa (P 0.01) para los efectos
principales y efectos de interaccin; los efectos principales pierden el inters
y las conclusiones se deben obtener del efecto de la interaccin
antioxidante por tiempo, para esto se debe realizar el anlisis de varianza
de efectos simples para nuestras conclusiones.