Diseos Factoriales 2

k

En la industria, debido a los altos costos que se pueden generar debido a la
implementacin de un diseo con varios factores y niveles, es frecuente considerar
slo dos niveles para cada uno de estos factores. Un diseo con k factores que
tienen dos niveles requiere un nmero de 2
k
observaciones. En este tipo de diseos
se asume que los efectos son fijos y la aleatorizacin completa.
Diseo 2
2

Consideremos que deseamos estudiar el efecto de los factores y !, considerando
dos niveles a los que llamaremos bajo "#$ y alto "%$. En la literatura es comn
encontrarse con una notacin llamada &notacin de 'ates(, la observacin en los
niveles altos de los factores se representan mediante las letras o y b) las
observaciones en los niveles bajos se representan por la ausencia de dic*as letras+
,iveles ,otacin Codificada ,otacin
de 'ates ! !
!ajo !ajo # # "-$
!ajo lto # % b
lto !ajo % # a
lto lto % % ab

.i estamos considerando n r/plicas en nuestro e0perimento, entonces los efectos
de los factores , ! y su interaccin est1n dados por+
Eccto A =
ob +o
2n
-
b +(1)
2n
,
Eccto B =
ob +b
2n
-
o +(1)
2n
,
Eccto AB =
ob -b
2n
-
o -(1)
2n
.
2el mismo modo podemos definir el Efecto !, obteni/ndose que
Eccto BA = Eccto AB.
3as sumas de cuadrados del efecto de cada factor se pueden definir en t/rminos
de los efectos calculados anteriormente+
SS
A
=
|o +ob -b -(1)]
2
n2
2
,
SS
B
=
|b +ob -o -(1)]
2
n2
2
,
SS
AB
=
|ob +(1) -o -b]
2
n2
2
.
3a suma de cuadrados total es, como *abitualmente+
SSI = (y
]I
-y
---
)
2
,
n
I=1
2
]=1
2
=1

la cual tiene 2
2
n -1 grados de libertad.
3a tabla de ,45 toma la forma+
6actor .uma de
Cuadrados
7rados de
3ibertad
Cuadrados
8edios
F
0


SS
A
=
|o +ob -b -(1)]
2
n2
2

-
HS
A
=
SS
A
1
F
0
=
HS
A
HSE

!
SS
B
=
|b +ob -o -(1)]
2
n2
2

-
HS
B
=
SS
B
1
F
0
=
HS
B
HSE

!
SS
AB
=
|ob +(1) -o -b]
2
n2
2

-
HS
AB
=
SS
AB
1
F
0
=
HS
AB
HSE

Error
SSE = SSI -SS
A
-SS
B
-SS
AB
2
2
(n -1)
HSE =
SSE
2
2
(n -1)


9otal
SSI = (y
]I
-y
---
)
2
n
I=1
2
]=1
2
=1

2
2
n -1


Ejemplo.- .e trata de estudiar el efecto que tienen la concentracin de un
reactivo y la presencia de un catalizador sobre el tiempo de reaccin de un proceso
qu:mico. .ea la concentracin del reactivo el factor con los niveles -; y <=>. El
catalizador ser1 el factor ! con niveles - y < sacos. El e0perimento se realiza tres
veces y los resultados son mostrados a continuacin+
Combinacin de 9ratamientos ?/plica
,iveles Codificado 'ates - < @ 9otal
!ajo, ! !ajo "#$ "#$ "-$ <A <; <B A=
lto, ! !ajo "%$ "#$ a @C @< @< -==
!ajo, ! lto "#$ "%$ b -A -D <@ C=
lto, ! lto "%$ "%$ ab @- @= <D D=

Eara este caso se tiene+
n = S,
(1) = 8u,
o = 1uu,
b = 6u,
ob = 9u.
Eor lo cual,
SS
A
=
|o +ob -b -(1)]
2
n2
2
=
|1uu +9u -6u -8u]
2
S(4)
= 2u8.SS,
SS
B
=
|b +ob -o -(1)]
2
n2
2
=
|6u +9u -1uu -8u]
2
S(4)
= 7S,
SS
AB
=
|ob +(1) -o -b]
2
n2
2
=
|9u +8u -1uu -6u]
2
S(4)
= 8.SS,
SSI = (y
]I
-y
---
)
2
n
I=1
2
]=1
2
=1
= S2S,
SSE = SSI -SS
A
-SS
B
-SS
AB
= S1.S4.
3os resultados pueden resumirse en la tabla de ,45+
6actor .uma de
Cuadrados
7rados de
3ibertad
Cuadrados
8edios
F
0


SS
A
= 2u8.SS
-
HS
A
= 2u8.SS F
0
= SS.1S
!
SS
B
= 7S
-
HS
B
= 7S F
0
= 19.1S
!
SS
AB
= 8.SS
-
HS
AB
= 8.SS F
0
= 2.1S
Error
SSE = S1.S4 8 HSE = S.92

9otal
SSI = S2S
--

un nivel de significancia o = u.uS, tenemos que F
0.05,1,8
= S.S2, por lo que tanto la
concentracin de reactivo como el nmero de sacos influyen en el tiempo de
reaccin, sin embargo, su interaccin no es significativa.
Anlisis de los residuos
Eara calcular los residuos y verificar los supuestos de un diseo <
F
podemos *acer
uso de un modelo de regresin+
y = [
0
+[
1
x
1
+[
2
x
2
+[
12
x
1
x
2
+e,
donde x
1
y x
2
representan a los niveles codificados de los factores "#- y %-$, y la
respuesta observada y e el error aleatorio.




Eara el conjunto anterior de datos tendremos+
x
1
x
2
y
#- #- <A <; <B
%- #- @C @< @<
#- %- -A -D <@
%- %- @- @= <D

Gaciendo la regresin obtenemos+
y = 27.S +4.17x
1
-2.Sux
2
+u.8SSx
1
x
2
.
3a prediccin para el punto "#-,#-$ es+
y = 27.S +4.17(-1) -2.Su(-1) +u.8SS(-1)(-1) = 26.67,
3a prediccin para el punto "%-,#-$ es+
y = 27.S +4.17(+1) -2.Su(-1) +u.8SS(+1)(-1) = SS.SS,
3a prediccin para el punto "#-,%-$ es+
y = 27.S +4.17(-1) -2.Su(+1) +u.8SS(-1)(+1) = 2u,
3a prediccin para el punto "%-,%-$ es+
y = 27.S +4.17(+1) -2.Su(+1) +u.8SS(+1)(+1) = Su.
3os residuos son+
x
1
x
2
y y
?esiduos
y -y
#- #- <C.CB <A <; <B -.@@ #-.CC =.@@
%- #- @@.@@ @C @< @< <.CC #-.@@ #-.@@
#- %- <= -A -D <@ #< #- @
%- %- @= @- @= <D - = #-

*ora es posible *acer la verificacin de los supuestos del modelo.
Eara este ejemplo se observ que la interaccin no fue significativa, por lo que se
debi eliminar del modelo y *acer un nuevo an1lisis en el que la suma de cuadrados
de la interaccin pasara a ser parte del error. 9anto en el ,45 como en el
an1lisis de regresin "se ver1 m1s adelante$ se muestra que la interaccin no es
significativa.

*ora resolveremos el ejemplo anterior utilizando 8initab.
Erimero crearemos el diseo factorial <
<
, para ello en la parte superior elegimos
&Estad:sticas(, posteriormente &24E(, despu/s &6actorial( y finalmente &Crear
diseo factorial(+

En el men de creacin de diseo factorial seleccionamos la opcin de &6actorial de
< niveles( y en &,mero de factores( elegimos <+


En la seccin de &2iseos( seleccionamos el diseo &6actorial completo(, en puntos
centrales = "m1s adelante veremos un ejemplo de la utilidad de seleccionar puntos
centrales, pero en el ejemplo actual no es necesario$, en nuestro ejemplo estamos
utilizando tres r/plicas en cada punto del diseo factorial y finalmente no estamos
considerando algn bloque, por lo que en la opcin de &,mero de bloques(
seleccionamos -+

En el men de opciones si no activamos la casilla &leatorizar corridas( el diseo
ser1 creado en el orden cl1sico, por el contrario si es activada crear1 el diseo en
orden aleatorio "muy til si an se *ar1 el e0perimento$+

En el men &6actores( podemos elegir el nombre de los factores as: como su
codificacin, por a*ora dejaremos los cl1sicos+ y ! para los factores y "#-$ y "%-$
para los niveles+

En este caso que slo analizaremos el e0perimento, el diseo creado no ser1
aleatorizado+



l diseo creado slo le agregaremos la columna de respuestas+

ntes de analizar el diseo, crearemos las gr1ficas de efectos principales y de
interacciones que son de gran utilidad antes de iniciar el an1lisis estad:stico.
En la pestaa de diseo factorial seleccionamos &7raficas factoriales(+



.eleccionamos las opciones de &7r1fica de efectos principales( y &7r1fica de
interaccin(+

En configuracin seleccionamos la respuesta y los factores, aceptamos y
obtenemos las gr1ficas de efectos principales y de interacciones+
1 -1
32
31
30
29
28
27
26
25
24
23
1 -1
A
M
e
d
i
a
B
Grfica de efectos principales para Y
Medias de datos



1 -1
34
32
30
28
26
24
22
20
B
M
e
d
i
a
-1
1
A
Grfica de interaccin para Y
Medias de datos

.e observa que los efectos principales son significativos, mientras que
posiblemente no e0ista interaccin entre los factores.
Eara analizar el diseo seleccionamos nuevamente &Estad:sticas(, despu/s &24E(,
posteriormente &6actorial( y por ltimo &nalizar diseo factorial(+



.eleccionamos la variable donde capturamos las respuestas+

En el men &9/rminos( seleccionaremos los t/rminos de inter/s en este diseo
"factor , factor ! y la interaccin !$+





ceptamos y obtenemos el an1lisis del diseo <
F
+
Ajuste factorial: Y vs. A, B

Efectos y coeficientes estimados para Y (unidades codificadas)

Trmino Efecto Coef SE Coef T P
Constante 27.500 0.5713 48.14 0.000
A 8.333 4.167 0.5713 7.29 0.000
B -5.000 -2.500 0.5713 -4.38 0.002
A*B 1.667 0.833 0.5713 1.46 0.183


S = 1.97906 PRESS = 70.5
R-cuad. = 90.30% R-cuad.(pred.) = 78.17% R-cuad.(ajustado) = 86.66%


Anlisis de varianza para Y (unidades codificadas)

Fuente GL SC Sec. SC Ajust. CM Ajust. F
Efectos principales 2 283.333 283.333 141.667 36.17
A 1 208.333 208.333 208.333 53.19
B 1 75.000 75.000 75.000 19.15
2-Interacciones de (No.) factores 1 8.333 8.333 8.333 2.13
A*B 1 8.333 8.333 8.333 2.13
Error residual 8 31.333 31.333 3.917
Error puro 8 31.333 31.333 3.917
Total 11 323.000

Fuente P
Efectos principales 0.000
A 0.000
B 0.002
2-Interacciones de (No.) factores 0.183
A*B 0.183
Error residual
Error puro
Total


Estructura de alias
I
A
B
A*B

En la primera tabla se observa el an1lisis de regresin con las variables
codificadas, se observa que el t/rmino interaccin "x
1
x
2
$ no es significativo. En la
segunda parte se observa el ,45, el cual ya *ab:amos realizado de forma
manual, nuevamente concluimos que los efectos y ! son significativos, mientras
que la interaccin debe eliminarse del modelo. 3a &estructura de alias( no es otra
cosa que el nombre que utilizamos para los factores y la notacin de 'ates, ser1 de
utilidad m1s adelante cuando tomemos fracciones de dieos factoriales.


Eliminamos el t/rmino de interaccin y realizamos de nuevo el an1lisis+
Ajuste factorial: Y vs. A, B

Efectos y coeficientes estimados para Y (unidades codificadas)

Trmino Efecto Coef SE Coef T P
Constante 27.500 0.6060 45.38 0.000
A 8.333 4.167 0.6060 6.88 0.000
B -5.000 -2.500 0.6060 -4.13 0.003


S = 2.09938 PRESS = 70.5185
R-cuad. = 87.72% R-cuad.(pred.) = 78.17% R-cuad.(ajustado) = 84.99%


Anlisis de varianza para Y (unidades codificadas)

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Efectos principales 2 283.333 283.333 141.667 32.14 0.000
A 1 208.333 208.333 208.333 47.27 0.000
B 1 75.000 75.000 75.000 17.02 0.003
Error residual 9 39.667 39.667 4.407
Falta de ajuste 1 8.333 8.333 8.333 2.13 0.183
Error puro 8 31.333 31.333 3.917
Total 11 323.000


Estructura de alias
I
A
B

5emos que a*ora ambos efectos son significativos, por lo que el modelo de
regresin que ser1 til para la prediccin de nuevos valores ser1+
y = 27.S +4.167x
1
-2.Sx
2
.
4bservemos que *ay un efecto llamado &6alta de ajuste(, este efecto se refiere al
ajuste lineal, aparece pues al no *aber t/rmino de interaccin estamos trabajando
con un modelo lineal, la prueba asociada se e0presa mediante las siguientes tres
*iptesis equivalentes+
E
0
: Io rclocion cs lincol,
E
u
: Io rclocion no cs lincol.
E
0
: No boy olto Jc o]ustc,
E
u
: Eoy olto Jc o]ustc.
E
0
: E(y) = X[,
E
u
: E(y) = X[.
2ado que el valor p de esta prueba es =.-A@ concluimos que no e0iste evidencia
suficiente en contra de la *iptesis de que el modelo lineal es correcto.

*ora debemos verificar los supuestos de normalidad, varianza constante e
independencia de los residuos para que nuestas conclusiones sean v1lidas+
5.0 2.5 0.0 -2.5 -5.0
99
90
50
10
1
Residuo
P
o
r
c
e
n
t
a
j
e
36 32 28 24 20
2
0
-2
Valor ajustado
R
e
s
i
d
u
o
2 1 0 -1 -2 -3
4
3
2
1
0
Residuo
F
r
e
c
u
e
n
c
i
a
12 11 10 9 8 7 6 5 4 3 2 1
2
0
-2
Orden de observacin
R
e
s
i
d
u
o
Grfica de probabilidad normal vs. ajustes
isto!rama vs. orden
Grficas de residuos para Y

,o parece *aber evidencia visual en contra de que los residuos sean
independientes y de varianza constante, podr:a pensarse que no e0iste normalidad,
sin embargo, con una prueba estad:stica podr:amos estar m1s seguros si la gr1fica
no es convincente.
6inalmente podemos gr1ficar el modelo final "superficie de respuesta$ junto con
los datos+
0
-1
20
25
30
1
35
1
0
-1
B
Y
"
Grfica de superficie de Y vs. B# "

n de m1s utilidad puede sernos la gr1fica de contorno si nuestro objetivo es
optimizar la respuesta en t/rminos de los factores+
"
B
1.0 0.5 0.0 -0.5 -1.0
1.0
0.5
0.0
-0.5
-1.0
>






< 20.0
20.0 22.5
22.5 25.0
25.0 27.5
27.5 30.0
30.0 32.5
32.5 35.0
35.0
Y
Grfica de contorno de Y vs. B# "

.i deseamos *acer m10imo el tiempo de reaccin entonces debemos elegir un nivel
alto del factor "<=> de concentracin del reactivo$ y un nivel bajo del factor !
"un saco del catalizador$. .i deseamos que el tiempo sea m:nimo elegimos el nivel
bajo del factor "-;> de concentracin$ y un nivel alto del factor ! "dos sacos del
catalizador$.
Diseo General 2k
En el caso general de un diseo <
F
, donde estamos considerando el efecto de k
factores con dos niveles cada uno, tendremos <
F
puntos en el diseo. El modelo
estad:stico incluye [
k
1
= k efectos principales, [
k
2
interacciones de dos factores,
[
k
S
interacciones de tres factores, ... , y [
k
k
= 1 interaccin de todos los factores.
9ambi/n usaremos la notacin de 'ates, por ejemplo, en un diseo <
;
, obJ
representa el tratamiento en que los efectos , ! y 2 se encuentran en su nivel
alto, C y E en su nivel bajo.


Eara realizar el n1lisis de 5arianza primero *allamos los contrastes de los
efectos de la siguientes manera+
Constrostc
ABK
= (o _1)(b _1) (k _1),
donde tomaremos el signo negativo si se incluye un factor y el positivo en caso
contrario. l final reemplazamos - con "-$.
Ejemplo.- En el diseo <
@
, el contraste para el efecto ! es+
Controstc
AB
= (o -1)(b -1)(c +1)
= obc +ob +c +(1) -oc -bc -o -b
Eosteriormente *allamos la suma de cuadrados debida a los efectos como+
SS
ABK
=
|Constrostc
ABK
]
2
n2
k
,
donde n es el nmero de r/plicas. Eor ltimo construimos la tabla del ,45
comparando cada suma de cuadrados media con la del error aleatorio+
Efecto .uma de
Cuadrados
7rados de
3ibertad
Cuadrados
8edios
F
0


SS
A

-
HS
A
= SS
A
1 HS
A
HSE
!
SS
B

-
HS
B
= SS
B
1 HS
B
HSE
. . . . .
H
SS
K

-
HS
K
= SS
K
1 HS
K
HSE
!
SS
AB

-
HS
AB
= SS
AB
1 HS
AB
HSE
C
SS
AC

-
HS
AC
= SS
AC
1 HS
AC
HSE
. . . . .
IH
SS
]K

-
HS
]K
= SS
]K
1 HS
]K
HSE
!C
SS
ABC

-
HS
ABC
= SS
ABC
1 HS
ABC
HSE
. . . . .
JIH
SS
I]K

-
HS
I]K
= SS
I]K
1 HS
I]K
HSE
. . . . .
!CH
SS
ABCK

-
HS
ABCK
= SS
ABCK
1 HS
ABCK
HSE
Error ..E
2
k
(n -1) HSE = SSE2
k
(n -1)

9otal ..9
2
k
n -1






Ejemplo.- Consideremos una reaccin de s:ntesis catalizada) se quiere probar qu/
efecto tienen dos catalizadores C- y C<, se cree tambi/n que el tiempo de reaccin
y la tempreratura pueden influir. 3os factores que se utilizar1n y sus niveles se
muestran a continuacin+
6actor ,ivel !ajo "#$ ,ivel lto "%$
+ 9iempo de reaccin "*oras$ C A
!+ 9emperatura "KC$ L= A=
C+ Catalizador C- C<

2espu/s de llevar a cabo el e0perimento se obtuvieron los siguientes resultados+
6actor !
"#$ "%$
6actor 6actor C 6actor C
"#$ "%$ "#$ "%$
"#$ L
;
B
D
<=
-L
-=
C
"%$ L
--
<
B
L
C
-L
-C

Eara analizar estos datos en 8initab, primero crearemos el diseo @
F
completo, sin
puntos centrales, con < r/plicas y sin aleatorizar las corridas. Eosteriormente
capturamos los datos del e0perimento+


.iempre ser1 til un an1lisis gr1fico) el diseo tiene la siguiente forma geom/trica+
1
-1
1
-1
1 -1
C
B
A
15.0
4.5 8.0
8.0
5.0
7.5 4.5
17.0
Grfica de cubos $medias de los datos% para Y

3as gr1ficas de efectos principales y de interacciones se muestran a continuacin+
1 -1
12.0
10.5
9.0
7.5
6.0
1 -1
1 -1
12.0
10.5
9.0
7.5
6.0
A
M
e
d
i
a
B
C
Grfica de efectos principales para Y
Medias de datos

1 -1 1 -1
12
9
6
12
9
6
"
B
&
-1
1
A
-1
1
B
Grfica de interaccin para Y
Medias de datos

,o parece que los efectos y C influyan muc*o en la respuesta, as: como tambi/n
parece que slo e0iste interaccin entre los efectos y C, y posiblemente entre
los efectos y !.












*ora analizamos el diseo factorial y obtenemos los siguientes resultados+
Ajuste factorial: Y vs. A, B, C

Efectos y coeficientes estimados para Y (unidades codificadas)

Trmino Efecto Coef SE Coef T P
Constante 8.6875 0.7369 11.79 0.000
A -1.3750 -0.6875 0.7369 -0.93 0.378
B 5.1250 2.5625 0.7369 3.48 0.008
C 0.3750 0.1875 0.7369 0.25 0.806
A*B -1.1250 -0.5625 0.7369 -0.76 0.467
A*C 3.1250 1.5625 0.7369 2.12 0.067
B*C 0.1250 0.0625 0.7369 0.08 0.934
A*B*C 6.3750 3.1875 0.7369 4.33 0.003


S = 2.94746 PRESS = 278
R-cuad. = 82.15% R-cuad.(pred.) = 28.61% R-cuad.(ajustado) = 66.54%


Anlisis de varianza para Y (unidades codificadas)

Fuente GL SC Sec. SC Ajust. CM Ajust. F
Efectos principales 3 113.187 113.187 37.729 4.34
A 1 7.562 7.562 7.562 0.87
B 1 105.062 105.062 105.062 12.09
C 1 0.562 0.563 0.563 0.06
2-Interacciones de (No.) factores 3 44.187 44.188 14.729 1.70
A*B 1 5.063 5.063 5.063 0.58
A*C 1 39.062 39.063 39.063 4.50
B*C 1 0.062 0.063 0.063 0.01
3-Interacciones de (No.) factores 1 162.562 162.562 162.562 18.71
A*B*C 1 162.562 162.562 162.562 18.71
Error residual 8 69.500 69.500 8.687
Error puro 8 69.500 69.500 8.688
Total 15 389.437

Fuente P
Efectos principales 0.043
A 0.378
B 0.008
C 0.806
2-Interacciones de (No.) factores 0.245
A*B 0.467
A*C 0.067
B*C 0.934
3-Interacciones de (No.) factores 0.003
A*B*C 0.003
Error residual
Error puro
Total


Estructura de alias
I
A
B
C
A*B
A*C
B*C
A*B*C

un nivel de significancia de o = u.uS slo son significativos el efecto ! y la
interaccin !C. 2ado que el modelo debe ser jer1rquico y la interaccin !C fue
significativa no se procede a eliminar los efectos no significativos.
*ora analizamos los supuestos del modelo+
5.0 2.5 0.0 -2.5 -5.0
99
90
50
10
1
Residuo
P
o
r
c
e
n
t
a
j
e
15 10 5
5.0
2.5
0.0
-2.5
-5.0
Valor ajustado
R
e
s
i
d
u
o
4 2 0 -2 -4
3
2
1
0
Residuo
F
r
e
c
u
e
n
c
i
a
16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
5.0
2.5
0.0
-2.5
-5.0
Orden de observacin
R
e
s
i
d
u
o
Grfica de probabilidad normal vs. ajustes
isto!rama vs. orden
Grficas de residuos para Y

Earece que, efectivamente, *ay normalidad, varianza constante e independencia de
los residuos, por lo tanto, podemos concluir que tanto la temperatura, as: como la
interaccin entre el tiempo, la temperatura y el catalizador tienen efecto en la
reaccin de s:ntesis.


Diseo factorial 2
k
no replicado
Conforme aumenta el nmero de factores, el nmero de puntos e0perimentales
tambi/n, por ejemplo, para C factores tendr:amos <
C
MCL puntos e0perimentales y
si deseamos dos r/plicas entonces necesitaremos realizar -<A e0perimentos. Como
*emos visto, si slo realizamos una r/plica no podemos tener una estimacin del
error aleatorio) para compensar esto, supondremos que ciertas interacciones de
orden superior son despreciables y las consideraremos parte del error, debido al
principio de dispersidad de efectos+ la mayor:a de los sistemas son dominados por
algunos de los efectos principales e interacciones de bajo orden.
NOu/ efectos se deben enviar al errorP
Emplearemos dos t/cnicas gr1ficas basadas en el Erincipio de Eareto, la primera es
llamada 7r1fica de 2aniel, consiste en graficar los efectos en papel de
probabilidad normal, si estos forman parte del error entonces seguir1n una
distribucin normal, es decir, estar1n cerca de la l:nea recta en esta gr1fica. El
segundo m/todo es el 2iagrama de Eareto, utilizado ampliamente en el 1rea de
Calidad, en este diagrama puede verse gr1ficamente los efectos significativos, as:
como en el 1rea de calidad se observan las 1reas de oportunidad que deben
atenderse primero.
Ejemplo.- Un producto qu:mico se produce en un recipiente a presin, se cree que
cuatro efectos influyen en la filtracin+ temperatura "$, presin "!$,
concentracin de los reactivos "C$ y rapidez del mezclado "2$. Cada factor est1
presente en dos niveles. .e tienen -C ensayos de una sola r/plica del e0perimento
realizados de forma aleatoria. El objetivo es ma0imizar la rapidez de la filtracin,
medida en galones por *ora.
3os datos obtenidos son los siguientes+
6actores ?espuesta
! C 2 '
# # # # L;
% # # # B-
# % # # LA
% % # # C;
# # % # CA
% # % # C=
# % % # A=
% % % # C;
# # # % L@
% # # % -==
# % # % L;
% % # % -=L
# # % % B;
% # % % AC
# % % % B=
% % % % DC




7r1ficamente+
1 -1
1
-1
1
-1
1 -1
D
C
B
A
96
86 75
70
104
100 43
45
65
60 68
80
65
71 45
48

En 8initab crearemos un diseo factorial completo de L factores, ningn punto
central, una r/plica y todos los datos estar1n en un bloque sin aleatorizar las
corridas. .lo agregaremos los datos de la respuesta+


Eara crear las gr1ficas de 2aniel y de Eareto en &nalizar diseo factorial(, en las
opciones de gr1ficas activamos &,ormal( y &Eareto(+

ceptamos y se mostrar1n las gr1ficas de 2aniel y Eareto+
20 10 0 -10 -20
99
95
90
80
70
60
50
40
30
20
10
5
1
'fecto
P
o
r
c
e
n
t
a
j
e
A A
B B
C C
D D
Facto !o"#e
!o si$%i&icati'o
(i$%i&icati'o
)i*o de e&ecto
AD
AC
D
C
A
Grfica normal de los efectos
+,a es*-esta es Y. A,&a / 0.050
1(2 de 3e%t4 / 2.625

AB
BD
CD
ABCD
ACD
ABC
BC
BCD
B
ABD
C
D
AD
AC
A
20 15 10 5 0
(
)
r
m
i
n
o
'fecto
6.75
A A
B B
C C
D D
Facto !o"#e
*ia!rama de Pareto de los efectos
+,a es*-esta es Y. A,&a / 0.050
1(2 de 3e%t4 / 2.625

En la gr1fica de 2aniel se muestra que los efectos significativos son , C, 2, 2 y
C por estar muy lejos de la normalidad. Jgualmente se aprecia en el diagrama de
Eareto que estos mismos efectos son significativos.
?ealizamos de nuevo el an1lisis del diseo factorial, pero a*ora slo incluiremos
estos t/rminos significativos y los otros ser1n enviados a formar parte del error
aleatorio "siempre cuidando que el modelo sea jer1rquico$+


El ,45 resultante es+
Ajuste factorial: Y vs. A, C, D

Efectos y coeficientes estimados para Y (unidades codificadas)

Trmino Efecto Coef SE Coef T P
Constante 70.063 1.104 63.44 0.000
A 21.625 10.812 1.104 9.79 0.000
C 9.875 4.938 1.104 4.47 0.001
D 14.625 7.312 1.104 6.62 0.000
A*C -18.125 -9.062 1.104 -8.21 0.000
A*D 16.625 8.313 1.104 7.53 0.000


S = 4.41730 PRESS = 499.52
R-cuad. = 96.60% R-cuad.(pred.) = 91.28% R-cuad.(ajustado) = 94.89%


Anlisis de varianza para Y (unidades codificadas)

Fuente GL SC Sec. SC Ajust. CM Ajust. F
Efectos principales 3 3116.19 3116.19 1038.73 53.23
A 1 1870.56 1870.56 1870.56 95.86
C 1 390.06 390.06 390.06 19.99
D 1 855.56 855.56 855.56 43.85
2-Interacciones de (No.) factores 2 2419.62 2419.62 1209.81 62.00
A*C 1 1314.06 1314.06 1314.06 67.34
A*D 1 1105.56 1105.56 1105.56 56.66
Error residual 10 195.12 195.12 19.51
Falta de ajuste 2 15.62 15.62 7.81 0.35
Error puro 8 179.50 179.50 22.44
Total 15 5730.94

Fuente P
Efectos principales 0.000
A 0.000
C 0.001
D 0.000
2-Interacciones de (No.) factores 0.000
A*C 0.000
A*D 0.000
Error residual
Falta de ajuste 0.716
Error puro
Total


Estructura de alias
I
A
C
D
A*C
A*D

.e observa que todos los efectos que dejamos en el modelo son significativos.



.lo basta comprobar los supuestos usuales del modelo+
10 5 0 -5 -10
99
90
50
10
1
Residuo
P
o
r
c
e
n
t
a
j
e
100 80 60 40
5.0
2.5
0.0
-2.5
-5.0
Valor ajustado
R
e
s
i
d
u
o
6 4 2 0 -2 -4 -6
4
3
2
1
0
Residuo
F
r
e
c
u
e
n
c
i
a
16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
5.0
2.5
0.0
-2.5
-5.0
Orden de observacin
R
e
s
i
d
u
o
Grfica de probabilidad normal vs. ajustes
isto!rama vs. orden
Grficas de residuos para Y

,o *ay evidencia en contra de la normalidad, varianza constante e independencia.
.iendo el objetivo del investigador ma0imizar la respuesta "rapidez de filtracin$,
podemos *acer uso de los gr1ficos de contorno y combinar los factores
significativos ", C y 2$+
"
&
1.0 0.5 0.0 -0.5 -1.0
1.0
0.5
0.0
-0.5
-1.0
>





< 50
50 60
60 70
70 80
80 90
90 100
100
Y
Grfica de contorno de Y vs. &# "

"
*
1.0 0.5 0.0 -0.5 -1.0
1.0
0.5
0.0
-0.5
-1.0
>





< 50
50 60
60 70
70 80
80 90
90 100
100
Y
Grfica de contorno de Y vs. *# "

&
*
1.0 0.5 0.0 -0.5 -1.0
1.0
0.5
0.0
-0.5
-1.0
>





< 50
50 60
60 70
70 80
80 90
90 100
100
Y
Grfica de contorno de Y vs. *# &

3a primera gr1fica nos indica que debe estar en nivel alto y C en nivel bajo) la
segunda gr1fica indica que tanto como 2 deben estar en nivel alto) la tercera
gr1fica nos indica que C y 2 deben estar en nivel alto. 3as gr1ficas concuerdan en
que y 2 deben estar en el nivel alto, sin embargo, para elegir el mejor nivel de C
slo se debe observar que se pierde menos, al parecer, manteniendo el nivel bajo.
81s adelante se implementar1 la metodolog:a de .uperficie de ?espuesta que
tratar1 estos temas de optimizacin m1s a fondo.

Diseo 2
k
con puntos centrales
Gay dos razones importantes para incluir puntos centrales en un diseo <
F
siempre
que sea posible, la primera es que se agregan grados de libertad para el error y la
segunda es que permiten detectar la presencia de posibles curvaturas.
Cuando suponemos que e0iste una curvatura, en el modelo lineal estamos agregando
t/rminos de la forma
[
]]
x
]
2
, ] = 1,2, ., k.
Eor lo tanto, la *iptesis "de curvatura$ a probar en este caso es+
E
0
: [
]]
= u
k
]=1
,
E
u
: [
]]
= u
k
]=1
.
Ejemplo.- Una ingeniera qu:mica se encuentra estudiando el rendimiento de un
proceso y sus variables de inter/s son el tiempo "$ y la temperatura "!$ de
reaccin. Como tiene dudas acerca de la linealidad de su modelo decide realizar un
e0perimento <
<
"con una sola r/plica$ y le agrega ; puntos centrales.
El diseo y los resultados se muestan a continuacin+
6actores
9iempo 9emperatura ?espuesta
#- #- @D.@
%- #- L=.D
#- %- L=.=
%- %- L-.;
= = L=.@
= = L=.;
= = L=.B
= = L=.<
= = L=.C




Eara anlizar este e0perimento en 8initab crearemos un diseo <
<
completo con ;
puntos centrales utilizando un solo bloque y una r/plica. gregamos la columa de
respuestas+

nalizamos el diseo incluyendo los efectos , ! y !) obtenemos el siguiente
resultado+
Ajuste factorial: Y vs. A, B

Efectos y coeficientes estimados para Y (unidades codificadas)

Trmino Efecto Coef SE Coef T P
Constante 40.4250 0.1037 389.89 0.000
A 1.5500 0.7750 0.1037 7.47 0.002
B 0.6500 0.3250 0.1037 3.13 0.035
A*B -0.0500 -0.0250 0.1037 -0.24 0.821
Pt Ctral 0.0350 0.1391 0.25 0.814


S = 0.207364 PRESS = *
R-cuad. = 94.27% R-cuad.(pred.) = *% R-cuad.(ajustado) = 88.54%


Anlisis de varianza para Y (unidades codificadas)

Fuente GL SC Sec. SC Ajust. CM Ajust. F
Efectos principales 2 2.82500 2.82500 1.41250 32.85
A 1 2.40250 2.40250 2.40250 55.87
B 1 0.42250 0.42250 0.42250 9.83
2-Interacciones de (No.) factores 1 0.00250 0.00250 0.00250 0.06
A*B 1 0.00250 0.00250 0.00250 0.06
Curvatura 1 0.00272 0.00272 0.00272 0.06
Error residual 4 0.17200 0.17200 0.04300
Error puro 4 0.17200 0.17200 0.04300
Total 8 3.00222

Fuente P
Efectos principales 0.003
A 0.002
B 0.035
2-Interacciones de (No.) factores 0.821
A*B 0.821
Curvatura 0.814
Error residual
Error puro
Total


Observaciones inusuales de Y

EE de Residuo
Obs OrdenEst. Y Ajuste ajuste Residuo estndar
1 1 39.3000 39.3000 0.2074 0.0000 * X
2 2 40.9000 40.9000 0.2074 0.0000 * X
3 3 40.0000 40.0000 0.2074 0.0000 * X
4 4 41.5000 41.5000 0.2074 0.0000 * X

X denota una observacin cuyo valor X le concede gran apalancamiento.


Estructura de alias
I
A
B
A*B

El ,45 indica que ambos factores presentan efectos principales significativos,
que no *ay interaccin y que no *ay evidencia de curvatura en la regin e0plorada.
4bservemos tambi/n que aunque slo tomamos una r/plica, los puntos en el centro
"menos uno$ a*ora forman parte de los grados de libertad del error puro.









Referencias:
Q-R 2ouglas C. 8ontgomery, &2iseo y n1lisis de E0perimentos(, 7rupo Editorial
Jberoamericana, 8/0ico -DD-.
Q<R Gumberto 7uti/rrez Eulido, &n1lisis y 2iseo de E0perimentos(, 8c7raS Gill,
8/0ico <==L.
Q@R *ttp+TTes.SiFipedia.orgTSiFiTErincipioUdeUEareto
QLR *ttp+TTes.SiFipedia.orgTSiFiT2iagramaUdeUEareto