"

65 UNA SOLA RPLICA DEL DISEO 2k

D

247

r----I

ctL
A

Figura 6-10 Datos del experimento del ndice de filtracin en la

planta piloto para el ejemplo 6-2.

del diseo 24 se muestra en la tabla 6-11. A partir de estos contrastes pueden estimarse 15 efectos factoriales, y las sumas de cuadrados se presentan en la tabla 6-12.
En la figura 6-11 se muestra la grfica de probabilidad normal de estos efectos. Todos los efectos que
caen sobre la recta son insignificantes, mientras que los efectos grandes estn apartados de ella. Los efectos importantes que surgen de este anlisis son los efectos principales de A, C y D Ylas interacciones
ACyAD.
Los efectos principales de A, C y D se grafican en la figura 6-12a. Los tres efectos son positivos, y si
slo se consideraran estos efectos principales, los tres factores se correran en el nivel alto a fin de maximizar el ndice de filtracin. Sin embargo, siempre es necesario examinar cualquier interaccin que sea
importante. Recuerde que los efectos principales no tienen mucho significado cuando estn presentes en
interacciones significativas.
Las interaccionesAC y AD se grafican en la figura 6-12b. Estas interacciones son la clave para resolver el problema. Observe, por la interaccinAC, que el efecto de la temperatura es muy pequeo cuando
la concentracin est en el nivel alto y muy grande cuando la concentracin est en el nivel bajo, obtenindose los mejores resultados con la concentracin baja y la temperatura alta. La interaccinAD indica
que la velocidad de agitacinD tiene un efecto reducido con una temperatura baja, pero un efecto positivo grande con la temperatura alta. Por lo tanto, los mejores ndices de filtracin pareceran obtenerse
cuandoA y D estn en el nivel alto y C est en el nivel bajo. Esto permitira la reduccin de la concentracin de formaldehdo a un nivel ms bajo, otro de los objetivos del experimentador.

Proyeccin de un diseo

Es posible hacer otra interpretacin de los efectos de la figura 6-11. Puesto que B (presin) no es significativa y todas las interacciones en las que interviene B son insignificantes, B puede descartarse del experimento, de tal modo que el diseo se convierte en un factorial 23 enA, C y D con dos rplicas. Esto es fcil
de ver examinando nicamente las columnas A, C y D en la matriz del diseo que se muestra en la tabla
6-10 y observando que esas columnas forman dos rplicas de un diseo 23 En la tabla 6-13 se resume el
anlisis de varianza de los datos utilizando este supuesto de simplificacin. Las conclusiones que se sacaran de este anlisis se mantienen enesencia sin cambios respecto de las del ejemplo 6-2. Observe que al
hacer la proyeccin de la rplica nica del diseo 24 en un diseo 23 con dos rplicas, se tiene ahora tanto
una estimacin de la interaccinACD como una estimacin del error basada en lo que en ocasiones se denomina rplica oculta.

"~~

nfg'nr~~~n~;1(1 n~~n~\~Ll~~7.~

..:,.
00

Constantes de los contrastes del diseo 24

Tabla 6-11
(1)

AB

+
+

+
+

+
+
+
+

a
b
ab

+
+

ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd

+
+

+
+

+
+

+
+

+
+
-

+
+
-

AC

+
-

BC

ABC
-

+
+

+
+

ACD

BCD

ABCD

+
+

+
+

+
+
+
+

+
+
+
+

+
+

CD

ABD

BD

+
+

AD

+
+
+
+

+
+
+
+

+
-

+
+

+
+
+

+
-

+
+
-

+
+
+
+
+
+
+
+

+
+

+
+

+
+

+
+

+
+

+
+

+
+
+
+

+
-

ti

6-5 UNA SOLA RPLICA DEL DISEO 2k

Tabla 6-12 Estimaciones de los efectos de los factores y sumas de

cuadrados del diseo factorial 24 del ejemplo 6-2
Trmino del
modelo

A
B
C

D
AB
AC
AD

BC
BD
CD
ABC
ABD
ACD
BCD
ABCD

Estimacin
del efecto

Suma de
cuadrados

Contribucin
porcentual

21.625
3.125
9.875
14.625
0.125
-18.125
16.625
2.375
-0.375
-1.125
1.875
4.125
-1.625
-2.625
1.375

1870.56
39.0625
390.062
855.563
0.0625
1314.06
1105.56
22.5625
0.5625
5.0625
14.0625
68.0625
10.5625
27.5625
7.5625

32.6397
0.681608
6.80626
14.9288
0.00109057
22.9293
19.2911
0.393696
0.00981515
0.0883363
0.245379
1.18763
0.184307
0.480942
0.131959

99

95

AO

90

ro

80
E
o
c:

70

1J

ro

~
:;
ro

50

.c

eo.

"

1J
~
o

30
20
10
5

AC

111

21.62
Efecto

Figura 6-11 Grfica de probabilidad normal de los efectos para el diseo factorial
24 del ejemplo 6-2.

249

250

CAPTULO 6

DISEO FACTORIAL 2k

~
ro 90
.9
o

90

90

1j 80

80

80

eo.

70

e
'13

'0

~ 60

ii=
al
"C
al

70
60

70
60

SO

50

tJ

'5
.E

SO
C

al Grficas de los efectos principales

100

100
Interaccin AC

ro

.9 90
o

90

C=-

'5
al

E 80

80

e
'13

70

70

60

60

SO

SO

eo.

'0

~
al
"C
al
tJ

'5
.E

40

40

A
b) Grficas de las'interacciones

Figura 612
plo 6-2.

Grficas de los efectos principales y las interacciones para el ejem-

Tabla 6-13

Anlisis de varianza del experimento del ndice filtracin en la planta piloto en A, C y D

Fuente de
variacin
A
C

AC
AD

cn

ACn

Error
Total

Suma de
cuadrados
1870.56
390.06
855.56
1314.06
1105.56
5.06
10.56
179.52
5730.94

Grados de
libertad
1
1
1
1
1
1
1
8
15

Cuadrado
medio
1870.56
390.06
855.56
1314.06
1105.56
5.06
10.56
22.44

Valor P
83.36
17.38
38.13
58.56
49.27
<1
<1

<0.0001
<0.0001
<0.0001
<0.0001
<0.0001

"
6-5 UNA SOLA RPLICA DEL DISEO 2k

251

El concepto de proyectar un diseo factorial no replicado en un diseo factorial con rplicas en menoS factores es muy til. En general, si se tiene una sola rplica del diseo 2\ y si h (h < k) factores son insignificantes y pueden descartarse, entonces los datos originales corresponden a un diseo factorial
completo con dos niveles en los k - h factores restantes con 2" rplicas.
Verificacin de diagnstico

Debern aplicarse las verificaciones de diagnstico usuales a los residuales de un diseo 2k El anlisis
realizado indicaquelos nicos efectos significativos sanA = 21.625, C = 9.875,D= 14.625,AC = -18.125
YAD = 16.625. Si esto es correcto, los ndices de filtracin estimados estn dados por

donde 70.06 es la respuesta promedio y las variables codificadas Xl' X 3, X4 asumen valores entre -1 y + 1. El
ndice de filtracin predicho para la corrida (1) es

y= 70.06+(21.~25)
_

(-1)+ (9.~75)(_1)+(14.~25)(-1)

(18~25) (-1)(-1)+ (16.~25) (-1)(-1)

= 46.22
Puesto que el valor observado es 45, el residual es e = y - y = 45 - 46.22
sentan los valores de y, y y e = y - y para las 16 observaciones.

(1)

a
b
ab
e

ae
be
abe
d
ad
bd
abd
ed
aed
bed
abed

e =y-y

45
71
48
65
68
60
80
65
43
100
45
104
75
86
70
96

46.22
69.39
46.22
69.39
74.23
61.14
74.23
61.14
44.22
100.65
44.22
100.65
72.23
92.40
72.23
92.40

-1.22
1.61
1.78
-4.39
-6.23
-1.14
5.77
3.86
-1.22
-0.65
0.78
3.35
2.77
-6.40
-2.23
3.60

= -1.22. A continuacin se pre-

En la figura 6-13 se muestra la grfica de probabilidad normal de los residuales. Los puntos de esta grfica
se localizan razonablemente prximos a una lnea recta, brindando apoyo a la conclusin de queA, C, D,
AC yAD son los nicos efectos significativos y que se satisfacen los supuestos fundamentales del anlisis.

1'11'1
1;

252

CAPTULO 6 DISEO FACTORIAL 2k

99

ro

80

oc:

70

-o
ro

;g
:oro 50
.n
c.

e
Q)

-o

<Ji.

10
5

-6.375

-0.3125

-3.34375

2.71875

5.75

Residual

Figura 613

Grfica de probabilidad normal de los residuales del ejemplo 6-2.

La superficie de respuesta
Las grficas de las interacciones de la figura 6-12 se utilizaron para ofrecer una interpretacin prctica de
los resultados de este experimento. En ocasiones es til emplear la superficie de respuesta para este fin.
La superficie de respuesta se genera por el modelo de regresin

(9.875)
Y = 7006
. + (21.625)
2
Xl +
2 x 3 + (14.625)
2
x4
A

18.125)
- (2 - X I X 3 + (16.625)
-2- X IX 4
En la figura 6-14a se muestra la grfica de contorno de la superficie de respuesta cuando la velocidad de agitacin est en el nivel alto (es decir, X 4 = 1). Los contornos se generan a partir del modelo anterior conx4 = 1, o

38.25) Xl + (9.875)
y= 77.3725+ (-2-2- x 3 -

(18.125)
-2- X IX 3

Observe que los contornos son lneas curvas porque el modelo contiene un trmino de interaccin.
La figura 6-14b es la grfica de contorno de la superficie de respuesta cuando la temperatura est en
el nivel alto (es decir, Xl = 1). Cuando se hace Xl = 1 en el modelo de regresin se obtiene

y= 80.8725- (8.25)
2 X 3 + (31.25)
-2- x 4
A

6-5 UNA SOLA RPLICA DEL DISEO 2k

253

1.000 ,..----,...------,-...-----r----r---.,.....,---,

0.667

_
1'

0.333

C..l

90.00

o()

.~ 0.000

e
Q)

"c:

8-0.333

-0.667
-1.000 l.----l_l...----ll-...J_ _L...J._ _.L...l_ _.LL_ _.....J
-1.000 -0.667 -0.333
0.000
0.333
0.667
1.000
Temperatura,A (x,)
a) Grfica de contorno con la velocidad de agitacin (D), x4 = 1

1.000

1
C

'O

'13

.~

el

ro

Q)

-c
'C

ro

il
o

-0.333

ID

>

-0.667
-1.0001oo:::::==-_l...-_----lL....-_--1_......:::..J._ _-I-_ _.....J
-1.000 -0.667 -0.333
0.000
0.333
0.667
Concentracin, (x3)

b) Grfica de contorno con la temperatura (A),

Figura 6-14

x,

= 1

Grficas de contorno del ndice de filtracin, ejemplo 6-2.

Estos contornos son rectas paralelas porque el modelo contiene nicamente los efectos principales de los
factores e (x3 ) y D (x 4 ).
Ambas grficas de contorno indican que si se quiere maximizar el ndice de filtracin, las variables A
(Xl) y D (x4) debern estar en el nivel alto y que el proceso es relativamente robusto para la concentracin
C. Se obtuvieron conclusiones similares a partir de las grficas de las interacciones.
La mitad de grfica normal de los efectos

Una alternativa para la grfica de probabilidad normal de los efectos de los factores es la mitad de grfica
normal. Es una grfica del valor absoluto de las estimaciones de los efectos contra sus probabilidades normales acumuladas. En la figura 6-15 se muestra la mitad de grfica normal de los efectos para el ejemplo
6-2. La lnea recta de la mitad de grfica normal siempre pasa por el origen y deber pasar tambin cerca del
valor de los datos del percentil cincuenta. Muchos analistas sienten que es ms fcil interpretar la mitad de

254

CAPTULO 6. DISEO FACTORIAL 2"

99
A

97
~

ISJ

95

19

'E
Ci
ro

c.

Cic:

AC
~

90
85
80

D
~

lO

;g

:c
lO

70

oC

ec.

60

ID

'ift.

40
20

o
0.00

5.41

16.22

10.81

21.63

Efecto

Figura 6-15

Mitad de grfica normal de los efectos de los factores del ejemplo 6-2.

grfica normal, en particular si slo se cuenta con pocas estimaciones de los efectos, como cuando el experimentador ha usado un diseo de ocho corridas. Algunos paquetes de software construirn ambas grficas.
Otros mtodos para analizar diseos factoriales no replicados

El procedimiento de anlisis estndar para un diseo factorial de dos factores no replicado es la grfica
normal (O mitad de grfica normal) de los efectos estimados de los factores. Sin embargo, los diseos no
replicados son tan usados en la prctica que se han propuesto muchos procedimientos formales de anlisis para resolver la subjetividad de la grfica de probabilidad normal. Ramada y Balakrishnan [52] compararon algunos de estos mtodos. Encontraron que el mtodo propuesto por Lenth [70] tiene una
potencia adecuada para detectar efectos significativos. Tambin es fcil de implementar y, como resultado, est empezando a aparecer en algunos paquetes de software para analizar datos de diseos factoriales
no replicados. Se ofrece una breve descripcin del mtodo de Lenth.
Suponga que se tienen m contrastes de inters, por ejemplo el' C2, ... , Cm' Si el diseo es un factoria12k
no replicado, estos contrastes corresponden a las m = 2k -1 estimaciones de los efectos de los factores. La
base del mtodo de Lenth es estimar la varianza de un contraste a partir de las estimaciones ms pequeas (en valor absoluto) de los contrastes. Sean
So

=1.5 x mediana (Icji)

...

6-5 UNA SOLA RPLICA DEL DISEO 2k

255

PSE denota el "pseudo error estndar", y Lenth demuestra que es un estimador razonable de la varianza
del contraste cuando no hay muchos efectos activos (significativos). EIPSE se usa para juzgar la significa-

cin de los contrastes. Un contraste individual puede compararse con el margen de error (ME, margin of
error)
ME= t O. 025 ,d xP8E

donde los grados de libertad se definen como d = m13. Para hacer inferencias sobre un grupo de contrastes, Lenth sugiere usar el margen de error simultneo (8ME, simultaneous margin of error)
SME=

t)',d

xPSE

donde el punto porcentual de la distribucin t que se usa es y = 1 - (1 + 0.951/m )/2.

Para ilustrar el mtodo de Lenth, considere el experimento 24 del ejemplo 6-2. Los clculos dan como
resultado So = 1.5 x 1-2.6251 = 3.9375 Y 2.5 x 3.9375 = 9.84375, de donde
PSE= 1.5 x 11.751 = 2.625
ME=2.571 x 2.625= 6.75
SME= 5.219 x 2.625= 13.70

Considere ahora las estimaciones de los efectos de la tabla 6-12. El criterio SME indicara que los cuatro
efectos ms grandes (en magnitud) son significativos, ya que las estimaciones de sus efectos exceden
SME. El efecto principal de C es significativo de acuerdo con el criterio ME, pero no con respecto al SME.
Sin embargo, puesto que es evidente que la interaccinAC es importante, probablemente C se incluira
en la lista de efectos significativos. Observe que en este ejemplo el mtodo de Lenth produjo la misma
respuesta que la obtenida anteriormente con el examen de la grfica de probabilidad normal de los
efectos.
Varios autores (ver Ramada y Balakrishnan [52], Loughin [73], Loughin y Noble [74] y Larntz y Whitcomb [69]) han hecho notar que el mtodo de Lenth falla para controlar los ndices del error tipo I, y que
pueden usarse mtodos de simulacin para calibrar su procedimiento. Larntz y Whitcomb [69] sugieren
reemplazar los multiplicadores ME y SME con multiplicadores ajustados de la siguiente manera:
Nmero de contrastes
ME original
ME ajustado
SME original
SME ajustado

15

31

3.764
2.295
9.008
4.891

2.571
2.140
5.219
4.163

2.218
2.082
4.218
4.030

Estos resultados coinciden en gran medida con los de Ye y Ramada [114].

En general, el mtodo de Lenth es un procedimiento ingenioso y til. Sin embargo, recomendamos
utilizarlo como complemento de la grfica de probabilidad normal usual de los efectos, no como su sustituto.
Bisgaard [10] ha proporcionado una sutil tcnica grfica, llamada carta de inferencia condicional,
como ayuda para interpretar la grfica de probabilidad normal. La finalidad de esta grfica es ayudar al
experimentador a juzgar los efectos significativos. Esto sera relativamente sencillo si se conociera la desviacin estndar 0, o si pudiera estimarse a partir de los datos. En diseos no replicados, no se cuenta con
ninguna estimacin interna de 0, por 10 que la carta de inferencia condicional est diseada para ayudar
al experimentador a evaluar la magnitud de los efectos para un rango de valores de la desviacin estndar.

256

CAPTULO 6

DISEO FACTORIAL 21<

Bisgaard fundamenta la grfica en el resultado de que el error estndar de un efecto, en un diseo de dos
niveles con N corridas (para un diseo factorial no replicado, N = 2k ), es
2a

.JN
donde a es la desviacin estndar de una observacin individual. Entonces 2 veces el error estndar de
un efecto es
4a
+--

-.JN

Una vez que se estiman los efectos, se hace una grfica como la que se muestra en la figura 6-16, con las
estimaciones de los efectos graficadas en el eje vertical, o eje y. En esta figura se han usado las estimaciones de los efectos del ejemplo 6-2. El eje horizontal, OX, de la figura 6-16 es la escala de la desviacin estndar (a). Las dos rectas estn en
4a
4a
y=+- y y = - -

.JN

.JN

En el ejemplo tratado aqu, N = 16, por lo que las rectas estn eny = +ayy = -a. Por lo tanto, para cualquier valor dado de la desviacin estndar a, la distancia entre estas dos rectas puede leerse como un intervalo de confianza de 95% aproximado para los efectos insignificantes.
En la figura 6-16 se observa que si el experimentador piensa que la desviacin estndar est entre 4 y
8, entonces los factores A, C, D y las interaccionesAC y AD son significativos. Si el experimentador piensa
que la desviacin estndar tiene un valor de hasta 10, el factor C quiz no sea significativo. Es decir, para
A 22.

AD

18

D 14.

-14
-18

AC

-22

Figura 6-16 Carta de inferencia condicional para el

ejemplo 6-2.