DISEÑO 

FACTORIAL MIXTO
 OBJETIVO DEL DISEÑO

 Estudia  el  efecto  individual  y  de  interacción  de 

varios factores sobre una o varias respuestas

 Busca  determinar  una  combinación  óptima  de 

niveles  de  los  factores  con  la  cual  el  desempeño 
del proceso sea mejor.
FACTORES O VARIABLES 
CONTROLABLES

 Tipo cualitativo:  Tipo Cuantitativo:
 Temperatura
 Máquinas
 Velocidad
 Tipo de Material   Presión

 Ausencia o presencia   Humedad
de una operación 
previa.  pH

 Operador
 Etc.
EFECTO PRINCIPAL Y EFECTO DE 
INTERACCIÓN

Efecto principal: Efecto de interacción:

Es el efecto que un factor  Los  factores  interactúan 

(variable  de  diseño)  entre  sí  o  tienen  efecto 
causa  sobre  la  variable  sobre  la  variable  de 
de  respuesta  cuando  respuesta,  cuando  el 
cambia de nivel efecto  de  un  factor 
depende  del  nivel  en  el 
que se encuentra otro.
DISEÑO FACTORIAL CON DOS 
FACTORES A×B
 Factor A: a niveles
 Factor B: b niveles

 # Tratamientos: axb
 # Réplicas: n

 Analiza tres fuentes de variabilidad:
 Efecto del Factor A Efectos 
 Efecto del Factor B Principales
 Efecto de la Interacción AB
MODELO ESTADÍSTICO DEL DISEÑO 
FACTORIAL A×B
i  1,2,..a 
 
Yij     i   j  ( ) ij   ij  j  1,2,..b 
k  1,2,...n 
 

Yij  Observaciones (datos)

  Media global poblacional
 i  Efecto del nivel i del Factor A
 j  Efecto del nivel j del Factor B
( ) ij  Efecto de la interacción
 ij  Error aleatorio
a  Niveles del Factor A
b  Niveles del Factor B
n  Número de réplicas
 HIPÓTESIS
Ho : Efecto del Factor A  0 Ho : 1   2  ...   a  0
H A : Efecto del Factor A  0 H A :  i  0 para algún i

Ho : Efecto del Factor B  0 Ho : 1   2  ...   b  0

H A : Efecto del Factor B  0 H A :  j  0 para algún j

Ho : Efecto de la Interacción AB  0 Ho : ( )ij  0 para todo ij

H A : Efecto de la Interacción AB  0 H A : ( )ij  0 para algún ij
ANÁLISIS DE VARIANZA
GRÁFICO DE INTERACCIONES
 USO DEL SOFTWARE
 Si  todas  las  variables  de  diseño  son  de  tipo 
cuantitativo,  se  debe  utilizar  el  diseño  “multilevel 
factorial” (factorial multinivel)

 Si por lo menos una de las variables de diseño es de 
tipo  cualitativo,  se  debe  utilizar  el  diseño 
“multifactor categorical” (multi­factor categóricos)
 Standardized Pareto Chart for Color

+
B:% Arcilla -

A:Temperatura

AB

0 4 8 12 16
Standardized effect
 Interaction Plot for Color

10

9 % Arcilla=0,0

8
Color

7 % Arcilla=0,0

5 % Arcilla=1,0

4 % Arcilla=1,0
90,0 110,0
Temperatura
 Estimated Response Surface

10
9
8
Color

7
6
5
04
0,2
0,4
0,6
0,8 110
1 98 102 106
% Arcilla 90 94
Temperatura
 Contornos de la Superficie de Respuesta Estimada

1,1 Color
3,6-3,84
3,84-4,08
1,05
4,08-4,32
4,32-4,56
1 4,08 4,56-4,8
4,8-5,04
%Arcilla

5,04-5,28
0,95
5,28-5,52
5,52-5,76
0,9 5,76-6,0

0,85
4,56
0,8 5,76 5,04
90 94 98 102 106 110
Temperatura
DISEÑOS FACTORIALES CON 
TRES FACTORES  A×B×C
DISEÑOS FACTORIALES CON TRES 
FACTORES  A×B×C
• El número de niveles de prueba en cada uno de los factores es
a, b y c, respectivamente.
DISEÑOS FACTORIALES CON TRES 
FACTORES  A×B×C

Modelo estadístico
DISEÑOS FACTORIALES CON TRES 
FACTORES  A×B×C
DISEÑO FACTORIAL GENERAL