4.

1 Diseos factoriales con dos factores

Factores
En primer lugar vamos a estudiar los diseos ms simples, es decir aquellos en los
que intervienen slo dos factores. Supongamos que hay a niveles para el factor A y b niveles
del factor B, cada rplica del experimento contiene todas las posibles combinaciones de
tratamientos, es decir contiene los ab tratamientos posibles.
6.1. El modelo sin replicacin
El modelo estadstico para este diseo es:
yij = + i + j + ()
ij + uij i = 1, 2, , a ; j = 1, 2, , b , donde
yij : Representa la observacin correspondiente al nivel (i) del factor A y al nivel (j)
del factor B.
: Efecto constante denominado media global.
i
: Efecto producido por el nivel i-simo del factor A, (
i
i = 0).
j
: Efecto producido por el nivel j-simo del factor B,
j
j = 0
.( )
ij: Efecto producido por la interaccin entre AB,
i
()
ij =
j () ij = 0 .uij son vv aa. independientes con distribucinN(0, ).

Supondremos que se toma una observacin por cada combinacin de factores, por
tanto, hay un total de N = ab observaciones.

A pesar de las restricciones impuestas al modelo,

i
i =

j
j =

i
()
ij =

j
()
ij = 0,
el nmero de parmetros (ab + 1) supera al
nmero de obsevaciones (ab). Por lo tanto, algn
parmetro no ser estimable.
6.1.1. Estimacin de los parmetros del modelo
Los estimadores mximo verosmiles de los parmetros del modelo son

= y.. ,

i = yi. y.. ,

j = y.j y.. y



ij
= yij yi. y.j + y..
Los residuos de este modelo son: eij = yij
y

ij = yij

j

ij
= 0 .
Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y
no se pueden contrastar la signicatividad de los efectos de los factores. Dichos contrates
slo pueden realizarse si:
a) Suponemos que la interaccin entre AB es cero. Entonces eij = yij yi. y.j + y..
.
b) Replicamos el experimento (Tomamos varias observaciones por cada combinacin de
factores).
El modelo con replicacin
El modelo estadstico para este diseo es:
yijk = + i + j + ()
ij + uijk ; i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , r
donde r es el nmero de replicaciones y n = abr es el nmero de observaciones.
El nmero de parmetros de este modelo es, como en el modelo de dos factores sin
replicacin, ab + 1 pero en este caso el nmero de observaciones es abr.

Se rechaza H0B al nivel si F(exp) > F(b1),ab(r1).
iii) H0(AB) ()
ij = 0 para todo i, j. Es decir, contrastar si los efectos de las
interacciones entre los factores A y B son nulos. El estadstico de contraste es
F(AB) =
(SC(AB)) / ((a 1)(b 1))
(SCR) / (ab(r 1)) =
CM(AB)
CMR H0(AB) F(a1)(b1),ab(r1)
Se rechaza H0(AB) al nivel si F(exp) > F(a1)(b1),ab(r1).

Tabla ANOVA para el modelo bifactorial con replicacin
F. V. S. C. G. L. C.M. Fexp
Factor A SCA a 1 CMA CMA/CMR
Factor B SCB b 1 CMB CMB/CMR
Interaccin SC(AB) (a 1)(b 1) CM(AB) CM(AB)/CMR
Residual SCR ab(r 1) CMR
TOTAL SCT abr 1 CMT
















4.2 DISEOS FACTORIALES CON 3 FACTORES
La descomposicin de la variabilidad se obtiene la siguiente tabla
ANOVA (Tabla 5.4.), a partir de la cual se pueden obtener contrastes
como en la seccin anterior.


CUADRO DEL ANLISIS DE LA VARIANZA
MODELO COMPLETO DE TRES VAS

Fuente
de variacin
Suma de cuadrados g.l.

Factor T
scT = J RK
i = 1
I
i
2

I - 1

Factor T
scT = IRK
j = 1
J
j
2

J - 1

Factor T
scT = IJK
r = 1
R
r
2

R - 1

Inter.
sc = RK
i = 1
I

j = 1
J
ij
2

(I - 1)(J - 1)

Inter.
sc = JK
i = 1
I

r = 1
R

ir
2

(I - 1)(R - 1)

Inter.
sc = IK
j = 1
J

r = 1
R
jr
2

(J - 1)(R - 1)

Inter.
sc = K
i = 1
I

j = 1
J

r = 1
R
(I - 1)(J - 1)(R -
ijr
2
1)

Residual
scR =
i = 1
I

j = 1
J

r = 1
R

t =
1
K
e
ijrk
2

IJR(K - 1)

Global
scG =
i = 1
I

j = 1
J

r = 1
R

t =
1
K
e
ijrk
2

IJRK - 1

Tabla 5.4. Cuadro del anlisis de la varianza para un diseo completo de tres
factores.