El diseño factorial 3k considera k factores con tres niveles cada uno y tiene 3 k

tratamientos. De manera específica, hay dos razones que hacen viable el diseño
3k.

1. Se tiene factores de tipo continuo e interesa estudiar efectos cuadráticos

como A2, B2,…, A2B, B2A, A2B2…Esto se hace cuando se cree que la
variable de respuesta no es lineal, ni aproximadamente lineal en el rango de
variación de los factores estudiados.

2. Los factores son categóricos o discretos y de manera natural tienen tres

niveles cada uno. Esto ocurre en factores como tipo de material, diferentes
medios de cultivo, factor maquina etc, los cuales pueden tener naturalmente
tres niveles.

Se usara letras mayúsculas para denotar los factores y las interacciones, se hará
referencia a los tres noveles e los factores como bajo (0), intermedio (1) y alto
(2).Cada combinación de tratamientos del diseño 3k se denotara por k dígitos,
donde el primer digito indica el nivel del factor A, el segundo dígito indica el nivel
del factor B,…, y el digito k-esimo indica el nivel del factor k. En las siguientes
graficas se muestra la representación geométrica de los diseños 32 y 33 utilizando
esta notación.

En el sistema de diseño 3k, cuando los factores son cuantitativos, es común

denotar los niveles bajo, intermedio y alto con -1,0 y +1, respectivamente.
Análisis del diseño factorial 32
El modelo estadístico para el diseño 32 se puede escribir considerando el efecto
individual de cada factor y de la interacción entre ambos, queda así:

Donde ɣi es el efecto del factor A con su nivel i, δj representa el efecto del factor B
en su nivel i (ɣδ)ij es el efecto de interacción de ambos en los nivel ij y n es el
número de repeticiones de cada tratamiento. En consecuencia, las hipótesis que
se desean probar son:
H0: ɣ1 = 0 , es decir, no hay efecto significativo del factor A sobre la variable de
respuesta.
H0: δ1 = 0 , es decir, no hay efecto significativo del factor B sobre la variable de
respuesta.
H0: (ɣδ)ij = 0 , es decir, no hay efecto significativo de INTERACCION de los
factores A y B sobre la variable de respuesta.

Para construir la ANOVA de un 32 se tiene:

Si el valor –p para un efecto es menor que 0.05 entonces se rechaza la
correspondiente hipótesis nula y se concluye que tal fuente de variación afecta de
manera significativa a la variable respuesta.

Descomposición a efectos con un grado de libertad

Las sumas de cuadrados de cada efecto se pueden descomponer en sumas de

cuadrados con un grado de libertad. Por ejemplo, la suma de cuadrados del efecto
A con 2 grados de libertad se puede desglosar con los componentes A L y A2
(efecto lineal y efecto cuadrático) cada uno con un grado de libertad. Asimismo, la
suma de cuadrados de AB se puede partir en cuatro componente con un grado de
libertad: ALBL, ALB2, A2BL y A2BL. Así para tener información más detallada de
cómo es que afectan los factores, es necesario separar lo ocho componentes con
un grado de libertad y construir un ANOVA que muestre la significancia de cada
uno de ellos. Así,
Cabe señalar que en muchos casos el riesgo de tomar una decisión incorrecta (sin
desglosar componentes) es pequeño o nulo. En la practica un efecto puede ser
lineal ya que su componente más activo es la parte lineal A L o también puede ser
prácticamente cuadrático ya que su componente más activo es la parte cuadrática
A2, así en cualquier caso la representación del efecto permite comprender como
está actuando físicamente el factor sobre la variable de respuesta.
Para calcular el contraste de A2 y AL queda como:

De este contraste se obtiene la suma de cuadrados como sigue:

Donde n es el número de réplicas, C1j= 1, C2j= -2,C3j=1 y tiene un grado de

libertad.
Y en el efecto lineal para calcular la suma de cuadrados se emplean las mismas
operaciones que se hacen para el efecto cuadrático puro pero ahora usando el
contraste AL.