Fase 4.

Diseños factoriales

Elaborado por:
Janner Quintero Navarro Cód. 1.084.728.774
Nicolás Alberto Triana Sánchez Cód. 1.073.236.757
Shirley Andrea Carvajal Cód. 1.118.168950

Grupo: 52

Presentado a:
Campo Riaño
Tutor:

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Curso de Diseño Experimental
Mayo-2018
 Introducción

La experimentación es una técnica utilizada para encontrar el comportamiento de una variable

a partir de diferentes combinaciones de factores o variables de entrada de un proceso, que al
cambiar afectan la respuesta. Para entrar a experimentar es necesario pasar primero por el diseño
de experimentos, esta técnica busca la manipulación sistemática de las variables de entrada de un
proceso para entender el efecto que estas pueden causar en la variable respuesta.

Es ampliamente utilizado en las empresas debido a que éste permite visualizar situaciones
que pueden suceder a partir de la realización de un proceso. En la industria se utiliza
principalmente para buscar el mejoramiento del rendimiento de un proceso, para reducir la
variabilidad y permitir que haya un mayor acercamiento a los parámetros de la empresa, para
reducir tiempos de procesamiento y reducir costos.

Cualquier problema experimental incluye: diseño del experimento y análisis de los

datos.Desarrollo apéndice 4
 Apéndice 4

A partir de la lectura del capítulo 5, 6 y 7 del libro análisis y diseños de experimentos, aplique
los conceptos del diseño factorial al siguiente enunciado.

Un estudiante en la UNAD viene realizando experimentos sobre la textura de un extruido tipo

cereal para el desayuno. Para determinar el efecto de variar la concentración del polvo de hornear
y la concentración de salvado de arroz que contiene el producto sobre la textura del producto,
realizó un trabajo experimental en la planta piloto de la ECBTI. Para el experimento utilizó tres
concentraciones del salvado de arroz y tres concentraciones de polvo de hornear en el extruido.

A continuación, se describe la tabla con los resultados para cada uno de los tratamientos, cada
variable de respuesta (Fuerza de fractura) se midió 4 veces.

Tabla 1. Datos de la textura del cereal para desayuno

Salvado de arroz Polvo de hornear (%)

(%) Concentración Concentración Concentración
1 2 3
Concentración 1 9.2 8.8 8.4
9.4 8.7 8.2
9.1 8.6 8.1
9.2 8.7 8.2
Concentración 2 10.1 9.9 9.1
10.3 9.9 9.0
10.4 9.8 9.0
10.3 9.7 9.1
Concentración 3 11.6 11.2 10.7
11.8 11.1 10.6
11.9 11.0 10.5
11.9 11.0 10.5
a) Planteamiento del modelo estadístico para este diseño, y explicación de cada uno de los
términos en función del ejercicio.
Tabla 2. Planteamiento del modelo estadístico

Factor B (j)
Polvo de hornear (%)
Factor A (i)
Concentración Concentración Concentración
Salvado de arroz 1 2 3  Variable
(%)
respuesta= Fuerza
9,20 8,80 8,40
9,40 8,70 8,20 de fractura
Concentración 1
9,10 8,60 8,10 Mediciones, réplicas
9,20 8,70 8,20  Numero o repeticiones
de =4
10,10 9,90 9,10
mediciones o de
10,30 9,90 9,00
Concentración 2
10,40 9,80 9,00 réplicas = 4
10,30 9,70 9,10
11,60 11,20 10,70  Total de
11,80 11,10 10,60
Concentración 3 mediciones
11,90 11,00 10,50
11,90 11,00 10,50 experimentales
=36

 Numero de factores = 2

 Factor A (i) = Salvado de arroz (%)

 Factor b (J) = Polvo de hornear (%)

 Numero de Niveles = 3

 3k= 32

b) Realice las hipótesis de interés para la investigación (igualdad y alterna). (10 /120)
c) Hipótesis de interés para la investigación (igualdad y alterna).
% Polvo de hornear (factor A) y % Salvado de arroz (factor B)

Ho: El efecto del factor polvo de hornear (%) = 0

Ha: El efecto del factor polvo de hornear (%) ≠ 0

Ho: El efecto del factor salvado de arroz (%) = 0

Ha: El efecto del factor salvado de arroz (%) ≠ 0
 Ho: El efecto del % polvo de hornear x % salvado de arroz = 0
Ha: El efecto del % polvo de hornear x % salvado de arroz ≠ 0

d) Cálculos correspondientes al análisis de varianza y tabla ANOVA correspondiente,  =

0.05.
Tabla 3. Tabla ANOVA- formulas

Fuente de Suma de Grados de

Cuadrados medio Fo
variación cuadrados libertad

SS A MS A
Tratamiento A SS A a−1 MS A FO
a−1 MS E

SS B MS B
Tratamiento B SS B b−1 MS B FO
b−1 MS E

SS AB MS AB
Interacción SS AB ( a−1 )( b−1 ) MS AB FO
( a−1 )( b−1 ) MS E

SS E
Error SS E ab ( n−1 ) MS E
ab ( n−1 )

Total SS T abn−1
 Tabla 4. Tabla ANOVA- Desarrollo

∑
Salv Polvo de hornear (%) (Yi)2
ado de Yi
arroz(%) Concentraci cuadrado sum Concentra
cuadrados
su Concentraci cuadrado su
ón 1 s atoria ción 2 matoria ón 3 s matoria

84,6 70,5
9,20 8,80 77,44 8,40
4 6
Concentración 1

88,3 67,2
9,40 8,70 75,69 8,20
6 4
82,8 65,6
9,10 8,60 73,96 8,10
1 1
84,6 36 3 67,2 3 10 10.941,1
9,20 8,70 75,69 8,20
4 ,90 4,80 4 2,90 4,60 6
102, 82,8
10,10 9,90 98,01 9,10
01 1
Concentración 2

106, 81,0
10,30 9,90 98,01 9,00
09 0
108, 81,0
10,40 9,80 96,04 9,00
16 0
106, 41 3 82,8 3 11 13.595,5
10,30 9,70 94,09 9,10
09 ,10 9,30 1 6,20 6,60 6
134, 125,4 114,
11,60 11,20 10,70
56 4 49
Concentración 3

139, 123,2 112,

11,80 11,10 10,60
24 1 36
141, 121,0 110,
11,90 11,00 10,50
61 0 25
141, 47 121,0 4 110, 4 13 17.902,4
11,90 11,00 10,50
61 ,20 0 4,30 25 2,30 3,80 4
1.31 118,4 1.179 1.04 35 126.025,
Yj 125,20 111,40
9,82 0 ,58 5,62 5,00 00
(Yj 15.675 14.01 12.409 14.018,5
)2 ,04 8,56 ,96 6
∑ 42.103
(Yj)2 ,56

 A= 3

 B=3

 n=4

Hallamos las sumas de cuadrados, donde para los efectos planteados están dadas por:

Suma de cuadrados Factor A

3 2 2
Y i.. Y ...
SC A =∑ − 2
i=l 3n n3

Reemplazando los valores en la ecuación tenemos:

 125,2
(¿ ¿ 2+118,4 2 +111,42 ) 3552
−
3×4 4 ×32
SC A =¿

15.675,04 +14.018,56+12.409,96 126.025

SC A = −
12 36

42.103,56 126.025
SC A = − =3.508,63−3.500,6944=7,9356
12 36

Suma de cuadrados Factor B

3
Y 2i .. Y 2...
SC B =∑ −
i=l 3n n 32

104,6
(¿ ¿ 2+116,6 2+133,8 2) 3552
− 2
3× 4 4×3
SC B =¿

10.941,16+ 13.595,56+17.902,44 126.025

SC B = −
12 36

42.439,16 126.025
SC B = − =3.536,5966−3.500,6944=35,9022
12 36

C.2.

Suma de cuadrados de A x B. (La suma de los datos de cada tratamiento elevado al cuadrado)
y está dada por la siguiente ecuación:

3 3
Y 2ij . Y 2...
SC AB=∑ ∑ − −SC A −SC B
i=l j=l n n 32
 Reemplazando los valores en la ecuación tenemos:

( 36,92+34,8 2+32,9 2+ 41,12+ 39,32+ 36,22 + 47,22+ 44,32 +42,3 2) 3552

SC AB= − −7,9356−35,9022
4 4 × 32

1.361,61+1.211,04+ 1.082,41+1.689,21+1.544,49+1.310,44+ 2.227,84+1.962,49+1.789,29 3552

SC AB= −
4 4 × 32

14.178,82 126.025
SC AB= − −7,9356−35,9022
4 36

SC AB=3.544,705−3.500,6944−7,9356−35,9022=0,1728

C.3.
Suma de cuadrados totales. (Cada uno de los datos de la variable de respuesta elevada al
cuadrado, es decir un total de 36 datos) y está dada por la siguiente ecuación:

3 3 n
Y 2...
SC T =∑ ∑ ∑ Y 2ijk −
i=l j=l k=l n3 2

Reemplazando los valores en la ecuación tenemos:

SC T =9,22 +9,4 2+ 9,12+ 9,22+ 8,82+ 8,72 +8,62 +8,7 2+ 8,42 +8,22 +8,12 +8,22 +10,12+ 10,32+10,4 2 +10,32 +9,92 +9

SC T =3.545,02−3.500,6944=44,3256
C.4.
Suma de cuadrados del error dada por la siguiente ecuación:

SC E=SCT −SC A −SC B−SC AB

Reemplazando los valores en la ecuación tenemos:

 SC E=44,3256−7,9356−35,9022−0,1728=0,3 150
C.5.
Hallamos los grados de libertad
Los grados de libertad para la suma de cuadrados de (A), (B) y (A x B), son datos constantes
para el diseño 3k (Guevara, 2018).

Tabla 5. G.L
SC GL
SC A 2
SC B 2
SC AB 4
SC E 2
3 (n−1)
SC T n 3k −1

Hallamos los grados de libertad para la suma de cuadrados del error SC E , dada por la
siguiente ecuación.

32 (n−1)

Donde n corresponde al número de mediciones por tratamiento. Reemplazando en la ecuación

tenemos:

32 (4−1)=9× 3=27

Hallamos los grados de libertad para la suma de cuadrados del tratamiento SC T , dada por
la siguiente ecuación:

k
n 3 −1
k
Donde corresponde al número de factores del ejercicio. Reemplazando en la ecuación
tenemos:

4 × 32−1=35
CM
C.6. Hallamos los cuadrados medios de (¿ ¿ A ; CM B ; CM AB ;CM E ) , dados por las
¿
ecuaciones a continuación y reemplazando los valores tenemos:
 SC A 7,9356
CM A = = =3,9678
2 2

SC B 35,9022
CM B= = =17,9511
2 2

SC AB 0,1728
CM AB = = =0,0434
4 4

SC E
0,3150
CM E= 2
==0,0117
3 (n−1) 27

C.7.
Hallamos F0, para cada uno de los factores (A), (B) y (A x B). Se obtiene de dividir el valor
del cuadrado medio de cada factor por el valor del cuadrado medio del error, dados por las
ecuaciones a continuación y reemplazando los valores tenemos:

3,9678
CM A /CM E= =339,1282
0,0117

17,9511
CM B / CM E = =1.534,2820
0,0117

0,0434
CM AB /CM E = =3,7094
0,0117
 C.8.
Tabla ANOVA correspondiente,  = 0.05.

e) Conclusión a partir del resultado del valor – P y F0 (2 criterios diferentes), con respecto a
las hipótesis planteadas.
En el análisis de varianza, el ANOVA de la tabla anterior se puede concluir que existen
diferencias entre el efecto del factor % polvo de hornear (A) y el efecto del factor % salvado de
arroz (B), así como en la interacción % polvo de hornear y % salvado de arroz (A x B), a un
nivel de significancia de = 0.05. Por otro lado, del F0 se aprecia que B tiene un efecto mucho
más importante, seguido por el efecto de A, y un efecto menor de AB; por lo tanto, se rechaza la
hipótesis nula o de igualdad (Ho). De este ANOVA no es posible saber cuál de los componentes,
cuadrático o lineal, con un grado de libertad de cada efecto es el que predomina.

Hipótesis para la comparación de las medias para los tratamientos de la investigación.

Para investigar cuáles pares de medias son estadísticamente diferentes se prueban los
siguientes posibles factores y pares de hipótesis:
Factor A: % Polvo de hornear = (Concentración 1, 2, 3)
Hipótesis de igualdad factor A.
H 0 : μA 1=μA 2
H 0 : μA 2=μA 3
H 0 : μA 1=μA 3
Hipótesis alterna factor A.
H 0 : μA 1≠ μA 2
H 0 : μA 2≠ μA 3
H 0 : μA 1≠ μA 3

Factor B: % Salvado de arroz = (Concentración 1, 2, 3)

Hipótesis de igualdad factor B.

H 0 : μB 1=μB 2
H 0 : μB 2=μB 3
H 0 : μB 1=μB 3
Hipótesis alterna factor B.
H 0 : μB 1 ≠ μB 2
H 0 : μB 2 ≠ μB 3
H 0 : μB 1 ≠ μB 3

Factor AB: % Polvo de hornear x % Salvado de arroz = (Concentración 1, 2, 3)

Hipótesis de igualdad factor AB.

H 0 : μAB 1=μAB 2
H 0 : μAB 2=μAB 3
H 0 : μAB 1=μAB 3
Hipótesis alterna factor AB.
H 0 : μAB 1≠ μAB 2
H 0 : μAB 2≠ μAB 3
 H 0 : μAB 1≠ μAB 3

f) Calcular el LSD para el caso del diseño factorial 3k

Para hallar la diferencia mínima significativa, y considerando el resultado del ANOVA
anterior, se observa que los grados de libertad de error N−k=27 y que el cuadrado medio del
error es CM E=0,0117 . Usando una significancia predefinida de α =0,05, de la tabla de
distribución T de Student con 27 grados de libertad, se obtiene que t 0.025,12=2.0518 (Gutiérrez
& de la Vara, 2012; Guevara, 2018). Como en cada tratamiento se hicieron n=9 pruebas, y
con base en la siguiente ecuación:

LSD=t α / 2 ; 32 (n−1)
√ 2CM E
n

Reemplazando los valores en la ecuación tenemos:

LSD=t 0,05/ 2 ; 27
√ 2(0,0117)
9
LSD=t 0,025 ; 27 (0,0509)

LSD=2,0518(0,0509)=0,1044

d1. Posteriormente hallamos las medidas para cada nivel y cada factor. Para el caso del
factor A (% Polvo de hornear) tenemos:

125,2
μA 1= =13,9111
9
118,4
μA 2= =13,1555
9
111,4
μA 3= =12,3777
9

Para el caso del factor B (% Salvado de arroz) tenemos:

104,6
μB1= =11,6222
9
116,6
μB2= =12,9555
9
133,8
μB3= =14,8666
9
 Para el caso del factor AB (% Polvo de hornear x % Salvado de arroz) tenemos:
125,2+104,6
μAB1= =25,5333
9
118,4 +116,6
μAB2= =26,1111
9
111,4+ 133,8
μAB3= =27,2444
9

g) Aplique el concepto de LSD para aceptar o rechazar las hipótesis para la comparación de
las medias.

Tabla 6. LSD

Diferencia
Diferencia poblacional muestral en valor Decisión
absoluto
μA 1−μA 2
0,7556>0,1044 Significativa
13,9111−13,1555=0,7556
μA 2−μA 3
0,7778>0,1044 Significativa
13,1555−12.3777=0,7778
μA 1−μA 3
1,5334>0,1044 Significativa
13,9111−12,3777=1,5334
μB1−μB2
1,3333>0,1044 Significativa
11,6222−12,9555=1.3333
μB2−μB 3
1,9111> 0,1044 Significativa
12,9555−14,8666=1,9111
μB1−μB3
3,2444>0,1044 Significativa
11,6222−14,8666=3,2444
μAB1−μAB 2
0,5778>0,1044 Significativa
25,5333−26,1111=0,5778
μAB2−μAB 3
1,1333>0,1044 Significativa
26,1111−27,2444=1,1333
μAB1−μAB 3
1,7111> 0,1044 Significativa
25,5333−27,2444=1,7111

Luego de efectuar las comparaciones múltiples con el procedimiento LSD, (Least Significant
Difference) y de acuerdo con los resultados de la diferencia poblacional y muestral en valor
absoluto, y con estos el resultado que para la decisión en todos los casos presento diferencia
significativa, se acepta la hipótesis alterna.
h) Investigue que programas o paquetes estadísticos son utilizados para la el análisis de
diseños experimentales (mencionar 3).
Actualmente existe un amplio número de programas estadísticos; continuación se listan 3 de
los programas más empleados en estadística y probabilidad.

1. Sistema R, es un sistema para análisis estadísticos y gráficos, creado por Ross Ihaka y
Robert Gentleman (1996); tiene una naturaleza doble, de programa y lenguaje de programación.
R es un software para el análisis estadístico de datos considerado como uno de los más
interesantes, ya que cuenta con un conjunto de programas para la manipulación de datos, calculo
y gráficos (Ramos & Cardenas, 2010).

2. Sistema Statgraphics, es un software que está diseñado para facilitar el análisis estadístico
de datos. Mediante su aplicación es posible realizar un análisis descriptivo de una o varias
variable, utilizando gráficos que expliquen su distribución o calculando sus medidas
características. Entre sus muchas prestaciones, también figuran el cálculo de intervalos de
confianza, contrastes de hipótesis, análisis de regresión, análisis multivariantes, así como
diversas técnicas aplicadas en Control de Calidad (Gutiérrez, de La Vara, 2008).

3. Sistema Minitab, Minitab es un paquete estadístico que abarca todos los aspectos
necesarios para el aprendizaje y aplicación de la Estadística en general. Incluye análisis
descriptivo, contrastes de hipótesis, regresión lineal y no lineal, series temporales, análisis de
tiempos de fallo, control de calidad, análisis factorial, ANOVA, análisis clúster, etc. (Vila,
Sedano & Ángel, 2010).

4. IBM SPSS Statistics Base:

Programa de estadística avanzada que permite a los comerciales, analistas y programadores

estadísticos trabajar conjuntamente. Este programa, indicado para especialistas y algo complejo
de utilizar, ofrece en esta versión nuevas funciones y un rendimiento mejorado. Sin embargo, la
interfaz de este programa es muy sencilla e intuitiva, aunque se recomienda, antes de comprarlo,
probar la versión de prueba para comprobar que se ajuste a las necesidades requeridas por el
usuario.

5. JASP:
 Software permite análisis estadístico, pruebas estadísticas (incluyendo ANOVA y ANCOVA),
análisis multivariado tales como regresión, análisis de componentes principales, modelos de
ecuaciones estructurales, entre otros. Su única limitante refiere a la edición de datos directamente
en el software.

Conclusiones

En este trabajo podemos darnos cuenta de la importancia del diseño de experimentos, ya que
permite planear paso a paso las operaciones para obtener un resultado satisfactorio a nuestro
problema planteado.

Para el diseño de un experimento debemos tener en cuenta los efectos y las características de
nuestro problema a resolver. Como se puede apreciar un diseño debe de ser lo más sencillo
posible y así poder ahorrar tiempo, inversión y personal, pero no por eso se deben de olvidar
considerar los principios básicos en el diseño.

Observamos el trabajo conjunto de los investigadores con los estadísticos que nos llevan a
obtener una mejor planeación del experimento, aunque tiene sus desventajas se puede notar que
actuando de manera correcta se puede cambiar la forma de ver de los inconvenientes que puede
representar el alto costo que se tiene con los estadísticos.
 Referencias Bibliograficas

Gutiérrez, H. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill Interamericana.

Tomado de: http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

Mesa, J., Brossard, L. & Guerrero, J. (2010). Estrategia de utilización del diseño de
experimentos. Tecnología Química, 18(3):101-111, 1998. La Habana, CU: Universidad de
Oriente. Consultado el 03/05/18 en:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=4&docID=10365561&tm=1480120603158