DISEO FACTORIAL CON DOS FACTORES

Actualmente y desde hace algunas dcadas se ha comenzado a observar la

importancia que tiene, desde el punto de vista ambiental y econmico, la
utilizacin responsable y adecuada del agua.
Desde hace algunos aos hasta la actualidad, se han presentado demasiados
problemas de agua (sequias, contaminacin, etc...) los cuales la hacen cada vez
ms escasa. El no tener el vital lquido, ha trado diversos problemas en el mbito
agrcola; como la afectacin a la produccin, al no tener el cultivo agua suficiente,
disminuye su ciclo de maduracin, vindose reflejado en el rendimiento de la
cosecha.
Se aplicara un diseo factorial con dos factores para determinar como los
diferentes tipos o mtodos de riego, pueden afectar al rendimiento del cultivo
dentro de la regin del mayo y determinar si hay diferencia significativa entre un
mtodo de riego y otro.

DISEO FACTORIAL CON DOS FACTORES

JUSTIFICACION
Conocer y saber la aplicacin de los diferentes tipos de riego de un cultivo y el
lograr que los agricultores de la regin del mayo se interesen por alguno.

De estos
mtodos, para lograr el mximo ahorro de agua y evitar la escasez como en aos
recientes.
ESTADISTICA INFERENCIAL II
3
DISEO FACTORIAL CON DOS FACTORES

DESARROLLO
Se desea estudiar dos diferentes mtodos de riego dentro de la regin del mayo,
para determinar si hay alguna diferencia sobre el rendimiento de diversos cultivos,
entre un mtodo y otro. Se proponen dos mtodos de riego (g oteo y aspersin)
para tres diferentes cultivos (tomate, papa y tomatillo), para tomar las diferencias
debido al tipo de cultivo y a la interaccin que puede haber entre el tipo de cultivo
y el mtodo de riego. Se dise un experimento factorial con dos factores con los
siguientes datos. Use = 0.05.
FACTOR B
Tipo de cultivo
Tomate
Papa
Tomatillo
25
30
55
27.5
28
29
57
28.5
112
28
29
37
66
33
27
33
60
30
126
31.5
Mtodo de riego
Goteo
total
FACTOR A

Aspersin
total

total

71
68
139
69.5
66
60
126
63
265
66.25
total

total

260
43.33
243
40.5
41.92
SUMA DE CUADRADOS

ESTADISTICA INFERENCIAL II
4
DISEO FACTORIAL CON DOS FACTORES

CUADRADO MEDIO
ESTADISTICA INFERENCIAL II
5
DISEO FACTORIAL CON DOS FACTORES

TABLA ANOVA
Fuente
variacin
de Suma
de Grados
cuadrados
libertad
de Cuadrado
medio
F
Factor A
24.02
1
24.02
1.68
Factor B
3577.16
2
1788.58
125.42.
Interaccin
28.167
2
14.08
0.98
Error
85.57
6

14.26
Total
3714.91
11
CONCLUSION
FACTOR A: corresponde al tipo o mtodo de riego, el cual no hace que haya
diferencia significativa para el rendimiento del cultivo.
FACTOR B: corresponde al tipo de cultivo, el cual si hace que haya diferencia
significativa en el rendimiento del cultivo.
FACTOR DE INTERACCION: la interaccin del mtodo de riego y el tipo de cultivo
hacen que no haya diferencia significativa en el rendimiento del cultivo.

CONCLUSION
El diseo factorial con dos factores es una herramienta estadstica que nos
permite analizar la forma en que dos factores que afectan al resultado de los
mismos y determinar si existe o no diferencia significativa.
Para este caso los dos factores participantes son el mtodo de riego y el tipo de
cultivo con los cuales se pretenda determinar si haba alguna afectacin en el
rendimiento del cultivo por parte de alguno de estos dos factores.
Los resultados arrojados por este diseo factorial demuestran que el factor A y el
factor de interaccin hacen que no haya alguna variacin en el rendimiento; por lo
contrario el factor B hace que si haya variacin en el rendimiento, esto por tratarse
de cultivos diferentes, de los cuales su rendimiento nunca podra ser el mismo.

Diseo factorial General.

DISEOS FACTORIALES. Hasta el momento se ha estudiado el anlisis del efecto
de un factor sobre la variable de respuesta, pero en muchas situaciones practicas
es necesario investigar, en forma simultanea, los efectos que tienen varios factores
sobre la respuesta. Una forma muy eficiente de lograr lo anterior es mediante el
uso de un experimento factorial en el que todos los niveles de un factor se
combinan con todos los niveles de cualquier otro para formar los tratamientos. Por
ejemplo, en un experimento factorial de dos factores en el que uno tiene tres
niveles y el otro dos, existirn 3 X 2 = 6 tratamientos. En otras palabras, la
respuesta ser observada bajo seis tratamientos diferentes. Los experimentos
factoriales son aquellos que prueban varios niveles de dos o ms factores. Un
factor es una clase de tratamiento y experimento factorial; todo factor proporciona
varios tratamientos, por ejemplo, si la temperatura de horneado es un factor
entonces el horneado se har a varias temperaturas, si la variedad es un factor
entonces habr varias variedades, etc. Con los experimentos factorial no slo es
posible evaluar los efectos individuales de los factores sobre la respuesta, sino que
tambin es posible determinar el efecto causado por sus interacciones. El efecto
de un factor sobre una respuesta es simplemente el cambio en sta, causado por
un cambio en el nivel del factor. Pero si el efecto de un factor sobre la respuesta es
diferente para distintos niveles de otro factor, entonces se dice que los dos factores
interactan entre s. Le presencia de interaccin indica que el efecto de los
factores sobre la respuesta es no lineal y que de esta forma no puede asumirse un
modelo aditivo. DISEO FACTORIAL DE DOS FACTORES. Considrese una
situacin en el cul es de inters estudiar el efecto de dos factores A y B sobre
alguna respuesta. En cada uno de estos casos es importante no slo determinar si
los dos factores influyen sobre la respuesta, sino tambin si existe una interaccin
significativa entre ellos. Para el diseo completamente aleatorizado, se considerar
el caso de n repeticiones de las combinaciones de tratamiento determinado por a
niveles del factor A y b niveles del factor B. Las observaciones pueden clasificarse
por medio de un arreglo rectangular en el cual los renglones representan los
niveles del factor A y las columnas los del factor B. Se tienen ab celdas, y cada

celda
contiene n observaciones. Representando la k ima observacin tomada en el i
simo nivel del factor A y el j imo nivel del factor B por y ijk , las abn
observaciones se muestran en la tabla siguiente:
1

1
y111 y112 y11n y 211 y 212
2
y121 y122

y12 n y 221

a
y 21n y a11 y a12 y a1n
y 222 y 2b 2

y 22 n y 2bn y a 21 y a 22 y a 2n

y ab1 y ab 2

y abn

y. j . y . j.
El modelo estadstico lineal es:
y.1. y .1.
y.2. y.b. y .2. y .b.
y ijk
donde:
i = 1, 2 ,3, , a. = + 2 i + j + ( 2 ) ij + 0 ijk j = 1, 2 ,3, , b. k = 1, 2 ,3, , n.

= la media general. 2 i = efecto del i simo nivel del rengln A (

ij = es el efecto de interaccin entre 2 i y j 0 ijk = error aleatorio

j = efecto del simo nivel del
Hiptesis a evaluar: a) Para el efecto de tratamientos de rengln es:
H 0 : 21 = 2 2 = = 2 a = 0 H1 : 21 2 2 2 a 0
b) Para el efecto de tratamientos de columna es:
H 0 : 1 = 2 = = b = 0 H1 : 1 2 b 0
c) Para el efecto de interaccin de ambos es:

Factor A
Factor B
Total
Media
1
2
b
y i.. y1..
y i.. y 1..
y1b1 y1b 2 y1bn y 2b1
y 2..
y 2..
y a ..
y a..
y... y ...
2

H 0 : (22

ij = 0 H 1 : al menos una (22

ij 0 y i.. = y ijk
j =1 k =1 a n b n
y i.. = y . j. =
y i.. bn y. j .
y. j . = y ijk
i =1 k =1 n
y ij . = y ijk
k =1 a
y... = y ijk
i =1 j =1 k =1
b
n
an y y ij . = ... n y y ... = ... abn
2 y... abn
Las sumas de cuadrado son:
2 SCTotal = y ijk i =1 j =1 k =1 2 y i2. y... SC A = abn i =1 bn a 2 y.2. y... i
SC B = abn j =1 an b a b n
SC AB =
i =1 j =1
a
b
2 y ij .
n

2 y... SC A SC B abn
SC Error = SCTotal SC A SC B SC AB
Tabla de Anlisis de varianza: Fuente de Variacin A B AB Error Total Suma de
Cuadrados SCA SCB SCAB SCError SCTotal Grados de Cuadrados Libertad a-1
b-1 (a 1)(b 1) ab(n 1) abn - 1 Medios CMA CMA/CMError CMB CMAB
CMError CMB/CMError CMAB/CMError Fc
F . F . a - 1, ab(n - 1) F . b - 1, ab(n - 1) F . (a - 1)(b - 1), ab(n - 1)
Ejemplo: Se aplican pinturas tapa poros para aeronaves en superficies de
aluminio, con dos mtodos: inmersin y rociado. La finalidad del tapa poros es

mejorar la adhesin de la pintura, y puede aplicarse en algunas partes utilizando

cualquier mtodo. El grupo de ingeniera de procesos responsable de esta
operacin se encuentra interesado en saber si existen diferencias entre tres tapa
poros diferentes en cuanto a sus propiedades de adhesin. Para investigar el
efecto que tienen el tipo de pintura tapa poros y el mtodo de aplicacin sobre la
adhesin de la pintura, se realiza un experimento factorial. Para ello se pintan tres
especmenes con cada tapa poros utilizando cada mtodo de aplicacin,
3

despus se aplica una capa final de pintura y a continuacin se mide la fuerza de

adhesin. Los datos de este experimento se encuentran en la tabla. Factor A 1
Factor B Inmersin Rociado 4.0 5.4 4.5 12.8 4.9 15.9 4.3 5.6 5.6 4.9 15.9 5.4 3.8
3.7 11.5 4.0 5.8 6.1 6.3 5.5 5.0 5.0 18.2
23
15.5
a = 3, b = 2, n =3 Factor A 1 2 3 Factor B Inmersin Rociado 12.8 15.9 11.5 40.2
4.47 15.9 18.2 15.5 49.6 5.51 Total Media
y i..
28.7 34.1 27.0 y... =89.8
y i..
4.78 5.68 4.50
y. j . y . j.
y ... =4.99
2 2 2 2 2 2 y a y 28.7 + 3.14 + 27 89.8 i.. ... = = 4.58 SC = A ( 2)(3) (3)( 2)(3)
bn abn i =1 2 2 2 2 2 b y. j . y 40.2 + 49.6 1704 ... = = 4.91 SC = B (3)(3) (3)
( 2)(3) an abn j =1 2 2 y a b y ij. ... = SC SC SC AB A B abn i =1j =1 n =
SC E

2 2 12.8 + 15.9 + (3) Tot SC A

+ 15.5 SC
2

89.8
2
(3)( 2)(3) = 0.99
4.58 4.91 = 0.24
= SC
SC
B
AB

2 a b n 2 y... = 4 2 + 4.5 2 + = y SC Tot ijk abn i = 1 j = 1k = 1

2 89.8 2 +5 = 10.72 (3)(2)(3)
4

Fuente de Suma de Variacin Cuadrados Efecto principal Tipo de tapa poros (A)
4.58 Mtodos de aplicacin (B) 4.91 Interaccin de dos factores AB Error Total 0.24
0.99 10.72 Conclusiones: a) Factor A: Tipo de tapa poros.
H 0 : 1.. = 2.. = 3.. H 1 : al menos una i.. sea diferente.
Grados de Libertad a-1 = 2 b-1 = 1 (a-1)(b-1) = 2 ab(n-1) = 12 abn-1 = 17
Cuadrados Medios
Fc
F
3.89 4.75 3.89
2.29 28.63 4.91 61.38 0.12 0.08 1.50
28.63 > 3.89 Se acepta H1 , de que existe un efecto significativo entre el tipo de
pintura
tapa poros y la adhesin de la pintura. Segn el mtodo de Duncan el tipo de tapa
poros 2 es diferente a los tipos 1 y 3. b) Factor B: Mtodos de aplicacin:
H 0 : .1. = .2. = .3. H 1 : al menos una . j. sea diferente.
61.38 > 4.75 Se acepta H1 , de que existe un efecto significativo entre el mtodo
de aplicacin sobre la adhesin de la pintura. Segn el mtodo de Duncan los
mtodos de aplicacin 1 y 2 son diferentes. c) Factor AB: Tipo de tapa poros y los
mtodos de aplicacin.
H 1 : al menos una ij. sea diferente.

H 0 : 11. = 12. =
= ij.
3.89 >
1.5 Se acepta H 0 que no existe un efecto significativo de interaccin entre los
tipos de tapa poros y la los mtodos de aplicacin, sobre la adhesin de la pintura.
Como auxiliar en la interpretacin de los resultados de este experimento s
grafican las respuestas promedio de cada combinacin de tratamiento. Factor A 1
2 3 Factor B Inmersin Rociado 12.9/3 = 4.30 15.9/3 = 5.30 15.1/3 = 5.03 18.2/3 =
6.07 11.5/3 = 3.83 15.5/3 = 5.17
5

6.07 5.3 Promedio 5.17 5.03 Rociado Inmesin

4.3
3.83
1
2 Tipo de tapa poros
3
Grfica de la fuerza de adhesin promedio contra tipos de tapa poros para ambos
mtodos de aplicacin En esta grfica se observa que no hay interacciones, ya
que las dos rectas son casi paralelas. Por otra parte, puesto que una respuesta
grande indica una fuerza de adhesin grande, se concluye que el rociado es el
mejor mtodo de aplicacin, y que el tapa poros 2 es el ms eficaz.

MODELOS DE EFECTO ALEATORIO

El modelo de efectos aleatorios tiene la misma especificacin que el de efectos
fijos con la salvedad de que vi, en lugar de ser un valor fijo para cada individuo y
constante a lo largo del tiempo para cada individuo, es una variable aleatoria con
un valor medio vi y una varianza Var(vi) 0. Es decir la especificacin del modelo
es igual a:
salvo que ahora vi es una variable aleatoria. Este modelo es ms eficiente (la
varianza de la estimacin es menor) pero menos consistente que el de efectos
fijos, es decir es ms exacto en el clculo del valor del parmetro pero este puede
estar ms sesgado que el de efectos fijos.
Qu significa que vi es una variable aleatoria? Significa que no estamos seguros
del valor exacto en el origen que pueda tener cada individuo sino que pensamos
que este, probablemente gravitar en torno a un valor central. Eso suele ocurrir
cuando tomamos una muestra de un gran universo de individuos. Por ejemplo
sabemos que los nios aprueban ms si estudian ms y sabemos que hay nios
ms inteligentes que otros entonces supondremos que cada nio parte de un
punto de origen distinto (probablemente superior para los individuos ms
inteligentes) y, a partir de ah, existe una relacin entre trabajo y calificaciones. Sin
embargo no podemos evaluar a todos los nios del mundo sino slo una muestra.
En este caso es evidente que, es posible que, si en lugar de escoger esa muestra
hubisemos elegido otra los resultados del origen y de la pendiente fuesen
distintos, es decir no estamos seguros del origen del que parten lo nios en funcin
de su coeficiente intelectual, pues ala! ya tenemos una vi aleatoria.
EJEMPLO.Una marca de coches est interesada en controlar la variabilidad en el consumo de
los coches que fabrica de un determinado modelo y para ello somete a un nmero
de coches a una prueba que consiste en que los coches hagan un recorrido
predeterminado y se calcule el consumo realizado. Las causas ms probables de
esta variabilidad son dos: los coches utilizados (no todos tienen el mismo
consumo) y los conductores que hacen la prueba.
Pueden considerarse dos situaciones:
1. Los conductores que participan en el experimento son personal de la empresa

acostumbrado a realizar este tipo de pruebas y se cree que su influencia es casi

nula, de modo que casi con total seguridad el problema radica en las unidades de
coche fabricadas que se estn probando. El factor tratamiento es los coches y los
niveles son todos los coches fabricados y que se podran fabricar en el futuro.
Tericamente esta poblacin de niveles es infinita y se puede suponer que los
coches elegidos entre los ltimos fabricados son una muestra aleatoria de todos
los fabricados. El efecto del coche sobre el consumo es un efecto aleatorio y se
modela mediante una variable aleatoria.
2. Se sabe que hay muy pocas diferencias entre los coches fabricados o estn son
mnimas, y se supone que su influencia en el consumo es prcticamente nula. Por
otra parte, la fbrica de coches ha querido hacer una prueba de consumo de
carcter realista y ha elegido como conductores para hacer la prueba a personas
de la ciudad donde est ubicada con la nica condicin de que tengan el carnet de
conducir. Por tanto cabe esperar que el origen de la variabilidad debe encontrarse
en los conductores. La ciudad es relativamente grande y el nmero de conductores
es elevado, por este motivo los operarios seleccionados para hacer la prueba son
una pequea muestra de todos los conductores de la ciudad. Asumido que el
grupo seleccionado es representativo de la poblacin, ste puede considerarse
una muestra aleatoria de la poblacin total de conductores. De nuevo el factor
conductor es un factor de efectos aleatorios y se debe utilizar un diseo de una
va completamente aleatorizado. En su planificacin, habr que seleccionar al azar
una muestra de tamao I de la poblacin de niveles del factor tratamiento aleatorio
y, a continuacin, asignar al azar las unidades experimentales a los I niveles
seleccionados. Aqu, para conseguir una potencia especfica en las pruebas de
hiptesis, hay que determinar con antelacin el valor apropiado de I, adems del
tamao muestra de cada nivel.