Diseo factorial

En muchos experimentos interviene el

estudio de los efectos de dos o ms
factores. En general, los diseos
factoriales son los ms eficientes para
este tipo de experimentos. Por diseo
factorial se entiende que en cada ensayo
o rplica completa del experimento se
investigan todas las combinaciones
posibles de los niveles de los factores

ESQUEMA GENERAL
Definicin general Arreglar a cond.
nuestras
Clasificacin
Diseo factorial A x B, completamente
al azar
Representacin de los efectos
factoriales
Modelo estructural, anlisis y
componentes
de variacin
DISEO FACTORIAL

Concepto
El diseo factorial, como estructura de
investigacin, es la combinacin de dos o
ms diseos simples (o unifactoriales); es
decir, el diseo factorial requiere la
manipulacin simultnea de dos o ms
variables
independientes
(llamados
factores), en un mismo experimento.
..//..

En funcin de la cantidad de factores o

variables de tratamiento, los formatos
factoriales se denominan, tambin,
diseos de tratamientos x tratamientos,
tratamientos x tratamientos x tratamientos,
etc, y se simbolizan por AxB, AxBxC, etc.

Criterios de clasificacin

Por la cantidad de niveles

Criterios

Cantidad de combinaciones
Tipo de control

Clasificacin del diseo factorial

por criterio
A) Segn la cantidad de niveles o valores
por factor, el diseo factorial se clasifica en:

Cantidad constante
Cantidad de valores
Cantidad variable

La notacin del diseo es ms sencilla

cuando la cantidad de niveles por factor
es igual (es decir, constante). As, el
diseo factorial de dos factores a dos
niveles se representa por 2, el de tres
factores por 23, etc. En trminos
generales, los diseos a dos niveles y con
k factores se representan por 2k; a tres
niveles, por 3k; a cuatro niveles por 4k, etc.
..//..

Cuando los factores actan a ms de dos

niveles (es decir, cuando la cantidad de
valores por factor es variable), el diseo
se representa por 2 x 3, 2 x 3 x 4, etc. A su
vez, cabe considerar la posibilidad de que,
tanto en un caso como en otro, el diseo
sea balanceado (proporcionado) o no
balanceado (no proporcionado); es decir,
diseos con igual cantidad de sujetos por
casilla y diseos con desigual cantidad de
sujetos por casilla.

B) El segundo criterio hace hincapi en la

cantidad de combinaciones de tratamiento
realizadas o ejecutadas. Con base a este
criterio, el diseo factorial se clasifican en:
Diseo factorial completo
Cantidad de
combinaciones
de tratamiento
Diseo factorial incompleto
y fraccionado

Si el diseo factorial es completo, se

realizan todas las posibles combinaciones
entre los valores de las variables. As,
cada
combinacin
de
tratamientos
determina un grupo experimental (grupo
de tratamiento o casilla). Por ejemplo, el
diseo factorial completo 2x2 determina
cuatro grupos de tratamiento; un diseo
3x3 nueve grupos, etc.
..//..

Asumiendo que slo se ejecute una parte

del total de las combinaciones, el diseo
factorial es incompleto o fraccionado,
segn el procedimiento seguido.

C) En funcin del control de variables extraas.

Grado de control

Diseo factorial
completamente al azar
Diseo factorial de bloques
aleatorizados
Diseo factorial de Cuadrado
Latino
Diseo factorial jerrquico o
anidado
Diseo factorial de medidas
repetidas

Segn el control de los factores extraos

y la reduccin de la variancia del error, el
diseo factorial puede ser, en primer
lugar, completamente al azar; es decir,
aquel formato donde slo se aplica el
azar como tcnica de control y donde los
grupos se forman mediante la asignacin
aleatoria de los sujetos.
..//..

En segundo lugar, el diseo factorial de

bloques aleatorizados permite el control
de una variable extraa. Segn esa
estrategia, cada bloque es un rplica
completa del experimento, y los grupos
intra bloque (dentro de cada bloque) se
forman al azar.
..//..

Siguiendo con el criterio de bloques, el

diseo factorial de Cuadrado Latino o de
doble sistema de bloques controla dos
fuentes de variacin extraas, aunque
slo se realiza una parte del total de
combinaciones.
..//..

El diseo factorial jerrquico o anidado

requiere la manipulacin experimental de
la variable y, al mismo tiempo, la
anidacin (o inclusin) de una variable
dentro de las
combinaciones
de
tratamientos
de
los
factores.
..//..

Por ltimo, el diseo factorial de medidas

repetidas incorpora la tcnica intra-sujeto;
es decir, el sujeto acta de control propio y
recibe todas las combinaciones de
tratamiento generados por la estructura
factorial.

Criterios

(resumen)

Diseo

Cantidad de
valores por
factor

Igual cantidad de niveles: 2k, 3k, etc.

Cantidad de niveles variable: 2x3; 2x3x4,
etc.

Cantidad de
combinaciones
de tratamientos

Diseo factorial completo

Diseo factorial incompleto y fraccionado

Grado de
control

Diseo factorial completamente al azar

Diseo factorial de bloques
Diseo factorial de Cuadrado Latino
Diseo factorial jerrquico
Diseo factorial de medidas repetidas

Efectos factoriales estimables

1. Efectos simples
2. Efectos principales
3. Efectos secundarios

Efectos factoriales simples

Es posible definir el efecto factorial simple

como el efecto puntual de una variable
independiente o factor para cada valor de
la otra.

Efectos factoriales principales

Los efectos factoriales principales, a
diferencia de los simples, son el impacto
global de cada factor considerado de
forma independiente, es decir, el efecto
global de un factor se deriva del promedio
de los dos efectos simples.

Efectos factoriales secundarios

El efecto secundario o de interaccin se

define por la relacin entre los factores o
variables independientes, es decir, el
efecto cruzado.

Diseo factorial al azar 2x2

Estructura del diseo

Combinacin de tratamientos
por grupo o casilla
Diseo factorial 2x2
A1B1

A1B2

A2B1

A2B2

Formato del diseo factorial

completamente al azar
V.E.
V.I.

Z1
A1B1

s
e

Z2
A1B2

Z3
A2B1

Z4
A2B2

S1

S1

S1

S1

Sn1

Sn2

Sn3

Sn4

l
e
c

Asignacin al azar
c

M
i

Caso paramtrico. Ejemplo

Se pretende probar, en una situacin de
aprendizaje discriminante animal, si la
magnitud del incentivo (variable incentivo)
acta segn el aprendizaje sea simple o
complejo (variable dificultad de aprendizaje o
variable tarea). En esta hiptesis se afirma
que a mayor incentivo, ms acusada es la
diferencia entre las dos tareas (simple o
compleja).
..//..

Para ello, se registra la cantidad de

discriminaciones
correctas
(variable
dependiente) en funcin de un criterio
general de aprendizaje, que asume como
suficientes 15 ensayos. Se toma, como
medida de la variable dependiente o de
respuesta, la cantidad de respuestas
correctas, para un mximo de 15, bajo el
supuesto de que cada discriminacin
correcta tiene la misma dificultad de
aprendizaje.
..//..

Para probar la hiptesis propuesta se

asignan 32 sujetos, de una muestra
experimental, a las combinaciones de
tratamientos o casillas (ocho sujetos por
casilla), de forma totalmente aleatoria.

Modelo de prueba de hiptesis

Paso 1. Segn la estructura del diseo son
estimables tres efectos. Por esa razn, se
plantean tres hiptesis de nulidad relativas a
la variable A, variable B e interaccin:
H0: 1 = 2 = 0
H0: 1 = 2 = 0
H0: ()11 = ()12 = ()21 = ()22 = 0

Paso 2. Por hiptesis experimental, se

espera que los efectos principales y el de
la interaccin sean significativos. Estas
hiptesis se representan, al nivel
estadstico, por
H1: 1 2, o no todas las son cero
H1: 1 2, o no todas las son cero
H1: ()11 ()12 ()21 ()22, o
no todas las son cero.

Paso 3. El estadstico de la prueba es la F

de Snedecor, con un de 0.05, para las
tres hiptesis de nulidad. El tamao de la
muestra experimental es N = 32 y el de las
submuestras n = 8.
Paso 4. Clculo del valor emprico de las
razones F. Para ello, se toma, de nuevo,
la matriz de datos del experimento.

DISEO FACTORIAL 2X2

A1B1
10
9
4
8
8
4
3
6
Totales:
Medias:

52
6.5

A1B2
4
3
4
5
2
3
4
2
27
3.375

A2B1
7
9
10
8
10
9
10
7
70
8.75

A2B2
8
6
9
9
8
7
7
6
60
7.5

209
6.53

ANOVA factorial

MODELO ESTRUCTURAL DEL AVAR:

DISEO FACTORIAL 2X2

Yijk = + j + k + ( ) jk + ijk

Espeficacin del modelo

Yijk = la puntuacin del i sujeto bajo la combinacin
del j valor del factor A y el k valor del factor B.
= la media comn a todos los datos del
experimento.
j = el efecto o impacto de j nivel de la variable de
tratamiento A.
k = efecto del k valor de la variable de tratamiento B.
()jk = efecto de la interaccin entre el i valor de
A y el k valor de B.
ij = error experimental o efecto aleatorio de
muestreo.

Descomposicin polietpica de
las Sumas de cuadrados
SCA
SCentre-grupos
SCtotal

SCB
SCAB

SCintra-grupos

SCS/AB

Clculo de las Sumas de

Cuadrados: primera etapa
SCtotal = SCentre-grupos + SCintra-grupos
SCtotal = [(10) + (9) + ... + (6)]
[(209)/(8)(4)] = 203.97
SCentre-grupos = [(52)/8 + (27)/8 + ... +(60)/8]
[(209)/(32)] = 126.59
SCintra-grupos = [(10) + (9) + ... + (6)] [(52)/8
+ (27)/8 + ... + (60)/8] = 77.38

CUADRO RESUMEN DEL AVAR PRIMERA ETAPA:

DISEO FACTORIAL 2X2
F.V.

SC

g.l.

Entre G
Intra G (E)

126.59
77.38

ab-1=3
ab(n-1)=28

Total (T)

203.97

abn-1=31

F0.95(3/28) = 2.95

CM

42.19 15.28 <0.05

2.76

Inferencia del primer anlisis

Del primer anlisis se concluye que los
grupos de tratamiento o experimentales
difieren significativamente entre s; la
probabilidad de que un valor F de 15.28
ocurra al azar es menor que el riesgo
asumido ( = 0.05).
..//..

En
consecuencia,
se
procede
a
determinar
las
causas
de
esa
significacin. Ntese que este anlisis no
obedece
a
ningn
propsito
de
investigacin, ya que slo sirve para
detectar si, en trminos globales, hay o no
diferencia entre los grupos. De hecho, es
como si se hubiera aplicado un modelo
uni-factorial de la variancia.

Clculo de las Sumas de

Cuadrados: segunda etapa
SCentre-grupos = SCfactor A + SCfactor B +
SCinteraccin AxB
El clculo de estas Sumas de
Cuadrados
requiere
la
previa
construccin de la tabla de los totales
por columnas.

MATRIZ DE DATOS ACUMULADOS

B1

B2

TOTALES

A1

52

27

79

A2

70

60

130

TOTALES

122

87

209

Clculo del valor emprico de las

Sumas de cuadrados
SCA = [(79)/16 + (130)/16] [(209)/32] =
81.28
SCB = [(122)/16 + (87)/16] [(209)/32] =
38.28
SCAB = SCentre-grupos SCA SCB = 126.59
81.28 - 38.28 = 7.03

CUADRO RESUMEN DEL AVAR SEGUNDA ETAPA:

DISEO FACTORIAL 2X2

F.V.

SC

g.l

Factor A
Factor B
Inter AxB

81.28
38.28
7.03

(a-1)=1

Entre-g
Intra-g

126.59
ab-1=3
42.19 15.28 <0.05
77.37 ab(n-1)=28 2.76

Total (T)

203.97

(b-1)=1
(a-1)(b-1)=1

CM

81.28 29.94 <0.05

38.28 13.87 <0.05
>0.05
7.03 2.55

abn-1=31

F0.95(3/28) = 2.95; F0.95(1/28) = 4.20

Inferencia del segundo anlisis

Paso 5. De los resultados del anlisis se
infiere la no-aceptacin de las hiptesis de
nulidad para los efectos principales de A y
B, con riesgo de error del 5 por ciento. En
cambio, se acepta la hiptesis de nulidad
para la interaccin. En suma, slo se
deriva la significacin de los efectos
principales.

No interaccin (Hiptesis nula)

A1
A2

B1

B2

Interaccin positiva
A1

A2
B1

B2

Interaccin negativa

A1
A2
B1

B2

Interaccin inversa
A2

A1
B1

B2

Representacin grfica de la interaccin

Interaccin nula

Interaccin positiva

Interaccin negativa

B1

B1

B1

B2

B2
B2

A1

A2

A1

A2

A1

A2

B2

B1
A1

A2

Interaccin inversa

MEDIAS DE GRUPOS DE TRATAMIENTO

A1
A2

B1
6.5
8.75

B2
3.38
7.5

GRFICO INTERACCIN

Ventajas del diseo factorial

Se ha descrito, a lo largo de ese tema, los
conceptos bsicos del diseo factorial o
estructura donde se manipulan, dentro de
una misma situacin experimental, dos o
ms variables independientes (o factores).
En aras a una mejor exposicin del
modelo se ha descrito, bsicamente, el
diseo bifactorial a dos niveles, dentro del
contexto de grupos completamente al
azar.
..//..

La
disposicin
bifactorial
aporta
informacin no slo de cada factor
(efectos principales), sino de su accin
combinada (efecto de interaccin o efecto
secundario). De esta forma, con la misma
cantidad de sujetos requerida para
experimentos de una sola variable
independiente o factor, el investigador
puede estudiar simultneamente la accin
de dos o ms variables manipuladas. ..//..

Ello supone un enorme ahorro de tiempo y

esfuerzo. Si se tiene en cuenta la
posibilidad de analizar la accin conjunto
o cruzada de las variables, se concluye
que el diseo factorial es una de las
mejores herramientas de trabajo del
mbito psicolgico, puesto que la
conducta es funcin de muchos factores
que actan simultneamente sobre el
individuo.
..//..

PROBLEMA 1
(Diseo de experimentos de dos niveles y 3 factores)

En el mantenimiento de un Generador de Vapor,

se desea mejorar el proceso de soldadura de un
componente de acero inoxidable. Para lo cual
se realiza un diseo de experimentos de 3
factores y 2 niveles.

Factor
A. Caudal de gas (l/min.)
B. Intensidad de Corriente
(A)
C. Vel. de Cadena
(m/min.)

Nivel bajo

Nivel Alto

12

230

240

0.6

Diseos factoriales 2 x 2 de bloques

A1B1

A2B1

A1B2

A2B2

Bloque 1

S11

S12

S13

S14

Bloque 2

S21

S22

S23

S24

.
.

Bloque k

Sk1

Sk2

Sk3

Sk4

Pag. 177 Analisis estadstico del modelo factorial con

valores fijos.+

DISEO FACTORIAL
DE 2 FACTORES

Hay a niveles del factor A y b niveles

factor B, los cuales se disponen en
diseo factorial; es decir, cada rplica
experimento contiene todas las
combinaciones de los tratamientos.
general, hay n rplicas.

del
un
del
ab
En

EJEMPLO DE UN DISEO
FACTORIAL 2X2
Como ejemplo de un diseo factorial en el que
intervienen dos factores, un ingeniero est
diseando una batera que se usar en un
dispositivo que se someter a variaciones de
temperatura extremas. El nico parmetro del
diseo que puede seleccionar en este punto es
el material de la placa o nodo de la batera, y
tiene tres elecciones posibles.

CONDICIONES DEL EXPERIMENTO

Cuando el dispositivo est fabricado y se enve
al campo, el ingeniero no tendr control sobre
las temperaturas extremas en las que operar el
dispositivo, pero sabe por experiencia que las
altas temperaturas afectaran la vida media de las
bateras.
Las temperaturas si pueden ser reguladas en el
laboratorio y se pueden realizar pruebas
experimentales para lograr una batera ms
robusta o duradera.