Investigacion Diseño Factorial

TECNOLÓGICO NACIONAL DE MÉXICO
Campus Agua Prieta
Materia: Estadística Inferencial II
Investigación: Diseño Factorial
Nombre: Julio Alfonso Montiel Corella
Profesor: Ing. Sonia Mariscal Lagarda
Ingeniería Industrial – Semestre IV – 01/03/2021
0
Diseño Factorial
Un diseño factorial es un tipo de experimento diseñado que permite estudiar los efectos que
varios factores pueden tener en una respuesta. Al realizar un experimento, variar los niveles
de todos los factores al mismo tiempo en lugar de uno a la vez, permite estudiar las
interacciones entre los factores.
Diseño Factorial con Dos Factores
El objetivo de un diseño factorial es estudiar el efecto de varios factores sobre una o varias
respuestas o características de calidad y determinar una combinación de niveles de los
factores en cual el desempeño del proceso sea mejor que en las condiciones de operaciones
actuales.
Los factores pueden ser de tipo cualitativo (maquinas, tipos de material, operador, la
presencia o ausencia de una operación previa, etc), o de tipo cuantitativo (temperatura,
humedad, velocidad, presión, etc). Para poder estudiar la manera en que incluye cada factor
sobre la variable respuesta, es necesario elegir al menos dos niveles de prueba para cada uno
de ellos (tres máquinas, dos operadores, tres velocidades, dos temperaturas, etc).
Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos

experimentales o tratamientos que pueden formarse considerando todas las posibles
combinaciones de los niveles de los factores.
Ejemplo:
Con K= 2 factores, ambos con dos niveles de prueba, se forma el diseño factorial 2 x 2= 2 al
cuadrado, que consiste en cuatro combinaciones o puntos experimentales.
Considerando otra vez K= factores, pero ahora uno con tres niveles y el otro con dos niveles,
se puede construir 3x2. Observe que en el nombre del diseño factorial va implícita el numero
de tratamientos que componen, para obtener el número de corridas experimentales se
multiplican el número de tratamientos por el numero de replicas, donde una replica se lleva
a cabo cada vez que se repite el arreglo completo.
1
El diseño factorial mas sencillo es en el que intervienen solamente dos factores, por ejemplo,
A y B. Hay a niveles de factor A y b niveles de factor B. El experimento tiene n replicas y
cada replica contiene todas las combinaciones de tratamientos.
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 diseño factorial a x b, que consiste en a x b tratamientos. Se
llama replica cada repetición completa del arreglo factorial. Los diseños factoriales que
involucran menos de cuatro factores se corren replicados para poder tener la potencia
necesaria en las pruebas de estadísticas sobre los efectos de interés, de tal forma que si se
hacen n replicas, el numero total de corridas experimentales es (a x b).
Podemos hablar también del efecto principal y efecto de interacción. El efecto de un factor
se define como el cambio observado en la variable de respuesta que se deben a la acción
individual de cada factor. En términos matemáticos, el efecto principal de un factor con dos
niveles es la diferencia entre la respuesta media observada cuando tal factor estuvo en su
primer nivel, y la respuesta media observada cuando el factor estuvo en su segundo nivel.
2
Diseño Factorial con Tres Factores
Cuando se tienen tres factores, que podemos denotar por A, B y C, los cuales tienen a, b, y c
niveles, respectivamente, entonces el arreglo factorial completo tendrá axbxc tratamientos.
En un diseño factorial 23, el comportamiento de la variable respuesta se puede describir
mediante el siguiente modelo.
Para este diseño se tienen siete efectos de interés y para cada uno de ellos se puede plantear
una hipótesis nula del tipo
con su correspondiente hipótesis alternativa
La hipótesis nula será rechazada cuando la probabilidad P( F > F0)calculada, correspondiente

al efecto, sea menor que el nivel de significancia especificado. La tabla de análisis de varianza
correspondiente se muestra en la tabla.
3
Las sumas de cuadrados indicadas en la tabla se calculan de la siguiente forma:
Cuando en particular se tiene el caso de tres factores, cada uno de ellos ados niveles, se puede
representar geométricamente el diseño por medio de uncubo donde se observan las ocho
combinaciones de tratamientos. En estos casosse utiliza la notación "+" y "-" para representar
4
los niveles alto y bajo de losfactores, o bien las letras itálicas minúsculas a, b, y c indicarán
el nivel alto delfactor. (ver las figuras 2.2 y 2.3).
En los diseños factoriales a dos niveles es muy sencillo calcular la estimación delos efectos
y las sumas de cuadrados. Por ejemplo, el efecto promedio de A se calcula como:
esto es, el efecto de A es el promedio de las cuatro corridas donde A está en elnivel alto (y 4
.) menos el promedio de las cuatro corridas donde A está en el nivelbajo (yr ).Esto se muestra
en la figura 2.3
Es muy apropiado presentar la información como se muestra en la tabla 2.3, donde se pueden
enlistar en la primera columna las diferentes combinaciones de tratamientos y en el primer
renglón los efectos factoriales. Al observar las columnas de los efectos principales se puede
ver que se utiliza la notación (+)para indicar que el tratamiento contiene la letra del efecto, y
las columnas de las interacciones se obtienen multiplicando, según sea la interacción, las
columnas correspondientes a los efectos principales. Con esta tabla es muy fácil calcular los
efectos principales que se mostraron anteriormente.
5
El cálculo de las interacciones es similar, por ejemplo, la interacción AB secalcularía
y la interacción triple será
6
Modelo de Efectos Aleatorios
En estadística, un modelo de efectos aleatorios, también conocido como modelo de

componentes de la varianza, es una especie de modelo lineal jerárquico. Se supone que el
conjunto de datos que se analiza consiste en una jerarquía de diferentes poblaciones cuyas
diferencias se refieren a esa jerarquía. En econometría, se utilizaron modelos de efectos
aleatorios en el análisis de la jerárquica o de datos de panel cuando se supone no hay efectos
fijos (que permite efectos individuales). El modelo de efectos aleatorios es un caso especial
del modelo de efectos fijos. En contraste esto con las definiciones bioestadísticas,1234 que
utilizan efectos "fijos" y "al azar" para referirse, respectivamente, a los efectos de la media
de la población y de individuos específicos.
Ejemplo
Supongamos que hay m grandes escuelas primarias, las cuales son elegidas al azar de entre
los miles que hay en un país grande. Supongamos también que n alumnos de la misma edad
son elegidos al azar en cada escuela seleccionada. Sus puntuaciones en una prueba de aptitud
estándar se determinan. SeaYij la puntuación del j alumno en la i escuela. Una manera simple
para modelar las relaciones de estas cantidades es donde μ es la puntuación media de prueba
para toda la población. En este modelo U i es el efecto aleatorio de la escuela específica:
mide la diferencia entre la puntuación media en la escuela i y el puntaje promedio en todo el
país y que es "aleatorio" porque la escuela ha sido seleccionada al azar de una población
mayor de escuelas. El término, W ij es el error-individuo específico. Es decir, es la desviación
de la puntuación de la j-ésima del alumno de la media de la escuela i. De nuevo, esto es
considerado como aleatorio, debido a la selección aleatoria de los alumnos dentro de la
escuela, a pesar de que es una cantidad fija para cualquier alumno determinado.
El modelo se puede aumentar mediante la inclusión de variables explicativas adicionales, que

capten las diferencias en las puntuaciones entre los diferentes grupos. Por ejemplo:
7
donde Sexo ij es la variable dummy para niños / niñas, ij raza es la variable ficticia para los
alumnos blancos / negro, y ParentsEduc ij registra el nivel promedio de educación de los
padres del niño. Se trata de un modelo mixto , no un modelo de efectos puramente aleatorios.
Ejemplo
En este modelo se asume que las k muestras son muestras aleatorias de k situaciones distintas
y aleatorias. De modo que un valor aislado Yij se puede escribir como:
donde m es la media global, eij son variables (una para cada muestra) distribuidas
normalmente, con media 0 y varianza s2 (como en el modelo I) y Ai es una variable distribuida
normalmente, independiente de las eij, con media 0 y varianza
La diferencia con respecto al modelo I es que en lugar de los efectos fijos ai ahora se
consideran efectos aleatorios Ai.
Igual que en el modelo I se encuentra que MSE no se modifica en la H1 y que al valor esperado
de MSA se le añade el término de componente añadida (que aquí es una verdadera varianza
ya que Ai es una variable aleatoria):
Para llegar a este resultado se utiliza la asunción de independencia entre Ai y eij y es, por
tanto, muy importante en el modelo y conviene verificar si es correcta en cada caso. En el
ejemplo de las cobayas significaría que las variaciones de grasa en el hígado de cada cobaya
son independientes de las variaciones entre cobayas. Esta asunción se violaría si, por ejemplo,
en el animalario existieran 2 cepas genéticas tales que en una de ellas la concentración de
grasa en las células hepáticas fuera mayor y más variable que en la otra.
8
Por tanto, en H0 tanto MSA como MSE estiman s2, mientras que en H1, MSE sigue estimando
s2 y MSA estima . La existencia de esta componente añadida se contrasta con F=

MSA/MSE y en caso afirmativo, la varianza de Ai se estima como:

Investigacion Diseño Factorial

Cargado por

Copyright:

Formatos disponibles

Investigacion Diseño Factorial

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion Diseño Factorial

Cargado por

Copyright:

Formatos disponibles

TECNOLÓGICO NACIONAL DE MÉXICO

Campus Agua Prieta

Materia: Estadística Inferencial II

Investigación: Diseño Factorial

Nombre: Julio Alfonso Montiel Corella

Profesor: Ing. Sonia Mariscal Lagarda

Ingeniería Industrial – Semestre IV – 01/03/2021

Diseño Factorial con Dos Factores

Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos

con su correspondiente hipótesis alternativa

La hipótesis nula será rechazada cuando la probabilidad P( F > F0)calculada, correspondiente

y la interacción triple será

En estadística, un modelo de efectos aleatorios, también conocido como modelo de

El modelo se puede aumentar mediante la inclusión de variables explicativas adicionales, que

normalmente, independiente de las eij, con media 0 y varianza

s2 y MSA estima . La existencia de esta componente añadida se contrasta con F=

También podría gustarte