Professional Documents
Culture Documents
Definiciones:
Factores: Son las variables controlables en el experimento
Ej:Temperatura, Presión, Velocidad; se designan con letras
mayúsculas A, B,C.
Niveles: Se refiere a la cantidad de valores que tienen los
factores del experimento. Ej: en un experimento tomamos los
siguientes valores de Temperatura: 15°, 20° ; en este caso
tenemos 2 niveles.
Los niveles se designan con números: “1”, “2” o con signos “-,
+” que representan los niveles “bajo” y “alto” en cada caso.
Replica: Es el número de repeticiones del experimento.
Efecto de un factor: es el cambio en la respuesta como
resultado de un cambio en el nivel del factor, se denomina
efecto principal ya que se refiere a los factores primarios del
estudio.
Ej. Consideremos el siguiente Experimento:
FACTOR B
B1 B2
A1 20 30
FACTOR A
A2 40 52
El cálculo de los factores primarios A y B es la diferencia entre la
respuesta promedio en el nivel alto y la respuesta promedio del
nivel bajo.
40 52 20 30
A 21
2 2
30 52 20 40
B 11
2 2
B2 B2
B1 B1
A1 A2 A1 A2
a) Sin interacción b) Con interacción
40 30 52 20
AB 19
2 2
Catálisis A B
También tiene diferentes iconos, en el cual encontramos información especifica del diseño.
Solamente están habilitados dos iconos: “Display Available Designs” y “Designs”. En la primera
opción se muestran todos los diseños factoriales que contiene el sistema.
Number of replicates = 2
Number of blocks = 1
AL Presionar OK el diseño es seleccionado y se regresa al la pantalla principal. En esta
Factores
En esta pantalla se escribe el nombre de los factores así como los diferentes niveles “bajo” y
“alto” para cada factor ( estos últimos son dados por default)
Opciones:
En la pantalla se escoge la opción: “do not fold” (el sistema la da por default)
La pantalla tiene las siguientes opciones: Responses, Graphs, Terms, Covariates, Results,
Storage.
Seleccionamos la opción por default: coefficients, ANOVA Table, and unusual observations.
En el cuadro Available Terms, se muestran los Factores y las interacciones, estos se
seleccionan y se pasan del lado derecho. Click en OK
A: Temperat
B: Presión
C C: Catalisi
BC
AC
ABC
AB
0 1 2 3 4 5 6
En la gráfica de Pareto observamos que los principales efectos son aquellos que pasan la línea
punteada: C, B, y BC. Estos son los que más afectan el experimento.
1.5 A: Temperat
B B: Presión
C: Catalisi
1.0
0.5
Normal Score
0.0
-0.5
BC
-1.0
C
-1.5
-6 -5 -4 -3 -2 -1 0 1 2 3
Standardized Effect
La gráfica normal de probabilidad muestra los efectos más significativos que en este
caso son los mismos que en la gráfica de pareto: C, B y BC.
En la tabla observamos los coeficientes de los efectos, así como el análisis de varianza.
Total 15 6056.44
Los efectos principales son los menores al nivel de significancia 0.05, P-Values (columna P),
estos están sombreados en la tabla.
Para generar las gráficas que nos permitirán determinar y visualizar cuales son los niveles
óptimos de los efectos (gráfica de efectos principales, gráfica de interacciones y gráfica de cubo
utilizamos la siguiente opción: Stat > DOE > Factorial plots
Repetimos los pasos anteriores para las gráficas de interacción y cubica. Damos click en OK y
obtenemos las gráficas deseadas.
En está gráfica obtenemos los niveles que maximizan la respuesta.
Temperatura : nivel “alto” = 40°, Presión nivel “alto” = 4, Catálisis nivel “bajo” = A
20 40 1 4 A B
91
83
Yie
ld 75
67
59
Temperatura Presión Catalisis
Temperatura 100
40 80
20
60
En la interacción Presión*Catálisis el nivel óptimo es: Presión = 4 “nivel alto” y Catálisis
100 A “nivel
Bajo” Presión
4 80
1
60
Catalisis
Cube Plot (data means) for Yield
60.0 60.0
102.5 105.0
4
Catalisis
75.0 77.5
1 A
20 40
Temperatura
En la gráfica de cubo observamos que la mayor respuesta se encuentra en el vértice 102.5. De
está gráfica también podemos saber cuales son los niveles óptimos de cada factor.
La siguiente figura muestra la diferentes combinaciones de los tratamientos, así como los
factores A y B en los niveles alto y bajo, para un diseño 2 2
b ab
+
-
(1) a
- +
A
Los efectos de interés en el diseño son los efectos principales de A y B y los efectos de la
interacción AB, se denominan contrastes siendo calculados como sigue:
1
A ab a b 1
2n
1
B ab b a 1
2n
1
AB ab 1 a b
2n
Donde n = número de replicas
Las cantidades entre paréntesis se denominan contrastes, aquí los coeficientes siempre son
+1 o –1. También se pueden determinar usando una tabla de signos como sigue:
Efectos factoriales
Corrida I A B AB
1 (1) + - - +
2 a + + - -
3 b + - + -
4 ab + + + +
Suma de cuadrados
( contraste )2
SS
n ( coeficientes .de .contrastes )2
SS A
ab a b 1
2
n* 4
SS B
ab b a 1
2
n* 4
SS AB
ab 1 a b 2
n* 4
2 2 n
y2
SST y 2 ijk
i 1 j1 k 1 4n
SS E SST SS A SS B SS AB
Donde
A=1
B=1
AB = 1
SSE = 4 (n-1)
SST = 4n -1
SS
MS
gl .
AB
Valor crítico
Regla de decisión: Si F0 > F, el factor es significativo.
Análisis Residual
y 0 1 x1 2 x 2
Los valores X1 y X2 representan los efectos A y B. Estos valores se codifican en los niveles alto
y bajo del experimento (-1 y +1)
Este modelo es usado para predecir los valores de y en los cuatro puntos del experimento.
Utilizando la ecuación se buscan todas las combinaciones posibles, que en este tipo de diseño
son cuatro. Al obtener la respuesta óptima, determinamos cuales son los niveles más
favorables para nuestro experimento.
Ej.
B0 27.5
1 8.33
2 5
8.33 5
y 27.5 x1 x2
2 2
8.33 5
y 27.5 ( 1) ( 1) = 29.165
2 2
8.33 5
y 27.5 (1) (1) 34.165
2 2
8.33 5
y 27.5 (1) (1) 20.835
2 2
8.33 5
y 27.5 ( 1) ( 1) 25.835
2 2
La respuesta óptima es 34.165, por lo cual los níveles más favorables en este experimento son
x1 = +1 y x2 = -1.
Para obtener los residuos, se resta el valor observado (en la muestra) del valor predicho
( ecuación de regresión)
Ej:
Tenemos los siguientes valores observados: 28, 25 y 27. utilizando la primera ecuación donde y
= 29.165 el calculo de residuos sería:
e1 = 28-25.835 = 2.165
e2 = 25-25.835 = -0.835
e3 = 27-25.835 = 1.165
Diseño factorial 2k
Propiedades de la tabla:
1. Excepto por la columna identidad I, cada columna tiene un número igual de signos más y
menos.
2. La suma de productos de los signos con cualquier par de columnas es cero, o sea que se
trata de una tabla ortogonal.
4. El producto de cualquier par de columnas resulta en otra columna en la tabla, AxB = AB,
ABxABC = A2B2C = C dado que una columna multiplicada por si misma da la columna
identidad.
El estimado de cualquier efecto principal o interacción se determina como sigue:
Contraste
Efecto
n2 k 1
( contraste )2
SS
n2 k
Los efectos principales se calculan como sigue, por ejemplo para el factor A:
De la misma forma
B = 1.625
C = 1.375
AB = 1.375
AC = 0.125
BC = -0.625
ABC = 1.125
SSA
ContrasteA ^ 2 45.56
2 *8
gl.SSA = 1
SSC = 3.065
SSAB = 7.5625
SSAC = 0.0625
SSBC = 1.5625
SSABC = 5.5625
Formando la tabla ANOVA y calculando los valores de Fc para cada factor se tiene (Fcrítica
(0.1, 1, 8) = 3.45
Fuente Fc
A 18.69
B 4.33
C 1.26
AB 3.1
AC 0.03
BC 0.64
ABC 2.08
Por tanto sólo son significativos los factores A y B por ser Fc > Fcrítica.
Para probar normalidad se puede utilizar la ecuación de regresión anterior para las dos
variables A y B, con sus niveles codificados en (-1, +1), tomando la media general y los
estimados de los efectos de los factores A y B y de su interacción, se tiene:
3.375 1.625 1.375
y 0 1 x1 2 x 2 3 x1 x 2 11 .0625 x1 x2 x1 x 2
2 2 2
Con esta ecuación se pueden evaluar los residuos, que se calculan para cada
combinación de las dos variables A y B ya que la C no fue relevante. Por ejemplo para el caso
de
A = -1 y B = -1 se tiene:
Yest = 9.25
C = -1, corresponden a las respuestas 7 y 9. Obteniendo los residuos contra el valor estimado
de 9.25 se tiene:
r1 = 9 – 9.25 = - 0.25
r2 = 7 – 9.25 = - 2.25
Como el menor valor se obtiene al tener A y B en nivel bajo, esta es la solución que se
recomienda.
La confusión es una técnica de diseño que sirve para arreglar un experimento factorial
completo en bloques, donde el tamaño del bloque es más pequeño que el número de
combinaciones del tratamiento en una réplica. La técnica origina información acerca de ciertos
efectos del tratamiento (usualmente de mayor orden que las interacciones) que son
confundidas con los bloques.
Supongamos que deseamos dividir en dos bloques un diseño 2 2 . La figura muestra un posible
diseño para este problema. Aquí observamos que las combinaciones de los tratamientos en
diagonales opuestas son asignados a los diferentes bloques.
= corrida en el bloque 1
B
= corrida en el bloque 2
-
- +
A
Notamos que el bloque 1 está compuesto por las combinaciones de los tratamientos (1) y ab,
el bloque 2 esta compuesto por a y b.
Bloque 1 Bloque 2
(1) a
ab b
Dado que las dos combinaciones con el signo positivo [ (1) y ab] están en el bloque uno, y las
dos combinaciones [ a y b] están en el bloque 2, el efecto de los bloques y la interacción AB
son idénticas. Esto significa que AB es confundida con los bloques.
Corrida I A B AB
1 (1) + - - +
2 a + + - -
3 b + - + -
4 ab + + + +
Este método puede ser usado para confundir cualquier efecto (A, B o AB) en bloques. Por
ejemplo, si (1) y b hubieran sido asignados al bloque 1, a y ab al bloque 2, entonces el efecto
principal A hubiera sido confundido en bloques.
Otro método para construir este tipo de diseños consiste en el uso de la combinación lineal:
L 1 x1 2 x 2 ................. k xk
donde
xi = nivel del factor que aparece en una combinación particular del tratamiento.
i = 0 ó 1
Las combinaciones del tratamiento que producen el mismo valor de L serán acomodadas en el
mismo bloque. Dado que los valores de L pueden ser 0 ó 1 el número de bloques en un diseño
2k son dos.
Ejemplo:
L = X1+ X2+ X3
Para determinar los valores Xi de la combinación lineal L utilizamos la tabla de signos del
diseño 23 , Donde el signo “-“ = 0 y “+” = 1
Observando el renglón del tratamiento (1) y tomando los signos de los efectos A, B, y C
obtenemos los valores de X1, X2, X3. = 000. Por tanto:
L = 1(0)+1(0)+1(0) = 0
ab: L = 1(1)+1(1)+1(0) = 2 = 0
c: L = 1(0)+1(0)+1(1) = 1 = 1
ac: L = 1(1)+1(0)+1(1) = 2 = 0
bc: L = 1(0)+1(1)+1(1) = 2 = 0
abc: L = 1(1)+1(1)+1(1) = 3 = 1
Para formar el bloque 1, tomamos todas las combinaciones L = 0, el bloque dos se forma con
las combinaciones L = 1, resultando:
Bloque 1 Bloque 2
(1) a
ab b
ac c
bc abc