4-5 PROBLEMAS

4-14.

167

Se estudia el efecto de cinco ingredientes diferentes (A, B, C, Dy E) sobre el tiempo de reaccin de un proceso qumico. Cada lote de material nuevD slo alcanza para permitir la realizacin de cinco corridas. Adems,
cada corrida requiere aproximadamente 11/ 2 horas, por lo que slo pueden realizarse cinco corridas en un
da. El experimentador decide realizar el experimento como un cuadrado latino para que los efectos del da y
el lote puedan controlarse sistemticamente. Obtiene los datos que se muestran enseguida. Analizar los datos de este experimento (utilizar a= O.OS) y sacar conclusiones.

Da

4-1S.

Lote

1
2
3
4
S

A = 8
C=11
B=4
D= 6
E=4

B =7
E=2
A = 9
C=8
D=2

D = 1
A =7
C = 10
E=6
B = 3

C=7
D =3
E= 1
B =6
A = 8

E=3
B=8
D =S
A=lO
C=8

Un ingeniero industrial investiga el efecto de cuatro mtodos de ensamblaje (A, B, C y D) sobre el tiempo de
ensamblaje de un componente de televisores a color. Se seleccionan cuatro operadores para el estudio. Adems, el ingeniero sabe que todos los mtodos de ensamblaje producen fatiga, de tal modo que el tiempo requerido para el ltimo ensamblaje puede ser mayor que para el primero, independientemente del mtodo.
Es decir, se desarrolla una tendencia en el tiempo de ensamblaje requerido. Para tomar en cuenta esta fuente
de variabilidad, el ingeniero emplea el diseo del cuadrado latino que se presenta a continuacin. Analizar
los datos de este experimento (a = O.OS) y sacar las conclusiones apropiadas.

Orden de
ensamblaje

1
2
3
4

4-16.
4-17.
4-18.
4-19.

Operador

C=lO
B =7
A =S
D = 10

= 14
C = 18
B = 10
A = 10
D

3
A
D

=7
= 11

C = 11
B = 12

B=8
A = 8
D=9
C=14

Suponga que en el problema 4-14 falta la observacin del lote 3 en el da 4. Estimar el valor faltante con la
ecuacin 4-24, y realizar el anlisis utilizando este valor.
Considere un cuadrado latino p x p con renglones (a), columnas (A) y tratamientos (iJ fijos. Obtener estimaciones de mnimos cuadrados de los parmetros del modelo a, fJk y Tj .
Deducir la frmula del valor faltante (ecuacin 4-24) para el diseo del cuadrado latino.
Diseos que incluyen varios cuadrados latinos. (Ver Cochran y Cox [26] y John [61d].) El cuadrado latino p x p
contiene nicamente p observaciones para cada tratamiento. Para obtener ms rplicas, el experimentador
puede usar varios cuadrados, por ejemplo n. No es relevante si los cuadrados usados son el mismo o son diferentes. El modelo apropiado es

Yijkh

= !l+ Ph +a(h) +-r j + f3k(h) + (-rp) ji. +8 ijid.

i=1, 2,
j= 1,2,
k =1 2
, ,
h= 1,2,

,p
,p
,P
,n

..
'.:'"

168

4-20.
4-21.
4-22.

CAPTULO 4

BLOQUES ALEATORIZADOS, CUADRADOS LATINOS Y DISEOS RELACIONADOS

donde Yjkh es la observacin del tratamiento j en el rengln i y la columna k del cuadrado h-simo. Observe
que a(h) Yf3k(h) son los efectos del rengln y la columna en el cuadrado h-simo, Ph es el efecto del cuadrado
h-simo y (r:P)jh es la interaccin entre los tratamientos y los cuadrados.
a) Establecer las ecuaciones normales para este modelo y resolverlas para las estimaciones de los parmetros del modelo. Suponga que las condiciones auxiliares apropiadas de los parmetros son LhPh = O,
La(h) = OY L kf3k(h) = Opara cada h, L/r j = O, L/ip)j1 = Opara cada h y L h(ip)j11 = Opara cadaj.
b) Desarrollar la tabla del anlisis de varianza para este diseo.
Comentar la forma en que pueden utilizarse las curvas de operacin caracterstica del apndice cn el diseo
del cuadrado latino.
Suponga que en el problema 4-14 los datos tornados en el da 5 se analizaron incorrectamente y fue necesario
descartarlos. Desarrollar un anlisis apropiado para los datos restantes.
El rendimiento de un proceso qumico se midi utilizando cinco lotes de materia prima, cinco concentraciones del cido, cinco tiempos de procesamiento (A, B, C, D y E) Ycinco concentraciones del catalizador (a, 13,
y, o, e). Se us el cuadrado grecolatino siguiente. Analizar los datos de este experimento (utilizar a = 0.05) Y
sacar conclusiones.

Concentracin del cido

Lote
1
2
3
4
5

4-23.

Aa=26
By = 18
Ce = 20
Df3 = 15
Ea = 10

Bf3 = 16
Ca = 21
Da= 12
Ey = 15
Ae = 24

1
2
3
4

4-25.
4-26.

4-27.

Cy =
De =
Ef3 =
Aa =
Ba =

19
18
16
22
17

Do = 16
Ea = 11
Ay=25
Be = 14
Cf3 = 17

&=13
Af3 = 21
Bo = 13
Ca = 17
Dy = 14

Suponga que en el problema 4-15 el ingeniero sospecha que los sitios de trabajo usados por los cuatro operadores pueden representar una fuente adicional de variacin. Es posible introducir un cuarto factor, el sitio de
trabajo (a, 13, y, o), y realizar otro experimento, de donde resulta el cuadrado grecolatino siguiente. Analizar
los datos de este experimento (utilizar a = 0.05) Y sacar conclusiones.

Orden de
ensamblaje

4-24.

Operador
2
3

1
Cf3 = 11 By = 10 Do = 14
Ba =8
CA = 12 Ay = 10
Da = 11 Bf3 = 7
Aa =9
Dy=9 Af3 = 8
Ca = 18

4
Aa=8
Df3 = 12
Cy = 15
Bo =6

Construir un hipercuadrado 5 x 5 para estudiar los efectos de cinco factores. Desarrollar la tabla del anlisis
de varianza para este diseo.
Considere los datos de los problemas 4-15 y 4-23. Despus de eliminar las letras griegas del problema 4-23,
analizar los datos utilizando el mtodo desarrollado en el problema 4-19.
Considere el diseo de bloques aleatorizados con un valor faltante en la tabla 4-7. Analizar los datos utilizando el anlisis exacto del problema del valor faltante revisado en la seccin 4-1.4. Comparar los resultados con
el anlisis aproximado de estos datos que se presenta en la tabla 4-8.
Un ingeniero estudia las caractersticas del rendimiento de combustible de cinco tipos de aditivos de gasolina. En laprueba de carretera el ingeniero desea usar los automviles corno bloques; sin embargo, debido a

4-5 PROBLEMAS

169

una restriccin de tiempo, debe utilizar un diseo de bloques incompletos. Realiza el diseo balanceado con
los cinco bloques siguientes. Analizar los datos de este experimento (utilizar a = 0.05) Ysacar conclusiones.
Automvil

4-28.
4-29.

2
4
6
8
10

12
14

4-33.
4-34.
4-35.
4-36.
4-37.
4-38.

1
2
3
4
5

14
12
13
11

17
14

14

13
13
12
12

12
10
9

11
12

13
11
10

Construir un conjunto de contrastes ortogonales para los datos del problema 4-27. Calcular la suma de cuadrados para cada contraste.
Se estudian siete concentraciones diferentes de madera dura para determinar su efecto sobre la resistencia
del papel producido. Sin embargo, en la planta piloto slo pueden hacerse tres corridas de produccin por
da. Dado que los das pueden diferir, el analista utiliza el diseo de bloques incompletos balanceados que se
muestra abajo. Analizar los datos de este experimento (utilizar a = 0.05) Y sacar conclusiones.
Concentracin de
madera dura (%)

4-30.
4-31.
4-32.

Aditivo

Das
1
114
126

120
120
137

141

7
117

119
117
129

145

134
149
150

120
136

143
118

123
130

127

Analizar los datos del ejemplo 4-6 utilizando la prueba general de significacin de la regresin.
Demostrar que k'2.~=lQ! / (Aa) es la suma de cuadrados ajustada de los tratamientos en un BIBD.
Un experimentador quiere comparar cuatro tratamientos en bloques de dos corridas. Encontrar un BIBD
para este experimento con seis bloques.
Un experimentador quiere comparar ocho tratamientos en bloques de cuatro corridas. Encontrar un BIBD
con 14 bloques y . 1. = 3.
Realizar el anlisis interbloques del diseo del problema 4-27.
Realizar el anlisis interbloques del diseo del problema 4-29.
Comprobar que no existe un BIBD con parmetros a = 8, r = 8, k = 4 Y b = 16.
Demostrar que la varianza de los estimadores intrabloques {iJ es k(a -1 )a2 / (..1.a 2 ).
Diseos ertendidos de bloques incompletos. Ocasionalmente, el tamao del bloque cumple con la relacin a < k
< 2a. Un diseo extendido de bloques incompletos consiste en una sola rplica de cada tratamiento en cada
bloque junto con un diseo de bloques incompletos con k* = k-a. En el caso balanceado, el diseo de bloques incompletos tendr los parmetros k* = k - a, r* = r - by..1. *. Desarrollar el anlisis estadstico. (Sugerencia: en el diseo extendido de bloques incompletos, se tiene..1. = 2r - b + . 1. *.)

Introduccin
a los diseos
factoriales

5~ 1

DEFINICIONES Y PRINCIPIOS BSICOS

En muchos experimentos interviene el estudio de los efectos de dos o ms factores. En general, los dise
os 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. Por ejemplo, si el factor A tiene a niveles y el factor B tiene b niveles, cada rplica
contiene todas las ab combinaciones de los tratamientos. Cuando los factores estn incluidos en un diseo factorial, es comn decir que estn cruzados.
El efecto de un factor se define como el cambio en la respuesta producido por un cambio en el nivel
del factor. Con frecuencia se le llama efecto principal porque se refiere a los factores de inters primario
en el experimento. Por ejemplo, considere el experimento sencillo de la figura 5-1. Se trata de un experimento factorial de dos factores en el que los dos factores del diseo tienen dos niveles. A estos niveles se
les ha denominado "bajo" y "alto" y se denotan como "-" y "+", respectivamente. El efecto principal del
factor A de este diseo de dos niveles puede visualizarse como la diferencia entre la respuesta promedio
con el nivel bajo de A y la respuesta promedio con el nivel alto de A. Numricamente, esto es

A= 40+52 _ 20+30 = 21
2

Es decir, cuando el factor A se incrementa del nivel bajo al nivel alto se produce un incremento de la respuesta promedio de 21 unidades. De manera similar, el efecto principal de B es

B= 30+52 _ 20+40 = 11
2
2
Cuando los factores tienen ms de dos niveles, es necesario modificar el procedimiento anterior, ya que
existen otras formas de definir el efecto de un factor. Este punto se estudia con mayor profundidad ms
adelante.
En algunos experimentos puede encontrarse que la diferencia en la respuesta entre los niveles de un
factor no es la misma para todos los niveles de los otros factores. Cuando esto ocurre, existe una interac-

170

5-1 DEFINICIONES Y PRINCIPIOS BSICOS

30

52

(Alto)

l:l:1

...

~co

u.

(Bajo)

+
(Alto)

l:l:1

ti

co

u.

20

40

(Bajo)

(Alto)

(Bajo)

171

12

40

20

50

(Bajo)

(Alto)

+
Factor A

Factor A

Figura 51 Experimento factorial de dos

factores con la respuesta (y) indicada en los
vrtices.

Figura 5-2 Experimento factorial de dos

factores con interaccin.

cin entre los factores. Por ejemplo, considere el experimento factorial de dos factores que se ilustra en la
figura 5-2. Con el nivel bajo del factor B (o B-), el efecto de A es

A= 50-20= 30
y con el nivel alto del factor B (o B+), el efecto de A es

A=12-40=-28
Puesto que el efecto deA depende del nivel que se elige para el factor B, se observa que existe una interaccin entre A y B. La magnitud del efecto de la interaccin es la diferencia promedio de estos dos efectos de
A, o AB = (-28 - 30)/2 = -29. Evidentemente, en este experimento la interaccin es grande.
Estas ideas pueden ilustrarse grficamente. En la figura 5-3 se grafican los datos de las respuestas de
la figura 5-1 contra el factorA para ambos niveles del factor B. Observe que las rectasB-y B+ son aproximadamente paralelas, lo cual indica la ausencia de interaccin entre los factores A y B. De manera similar, en la figura 5-4 se grafican los datos de las respuestas de la figura 5-2. En este caso se observa que las
rectas B- y B+ no son paralelas. Esto indica una interaccin entre los factores A y B. Grficas como stas
son de gran ayuda para interpretar las interacciones significativas y para reportar los resultados al personal sin preparacin estadstica. Sin embargo, no debern utilizarse como la nica tcnica para el anlisis
de datos, ya que su interpretacin es subjetiva y su apariencia con frecuencia es engaosa.

60

B+

50
40
::1
. 30
al
a: 20

~-

co

10

B-

B-

m40
::1

. 30
al

a: 20

10
Factor A

Figura 5-3
teraccin.

co

60
50

Experimento factorial sin in-

+
Factor A

Figura 5-4 Experimento factorial con interaccin.

172

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

El concepto de interaccin puede ilustrarse de otra manera. Suponga que los dos factores del diseo
tratado son cuantitativos (temperatura, presin, tiempo, etc.). Entonces una representacin con un modelo de regresin del experimento factorial de dos factores podra escribirse como
y= /30

+/31 X 1 +/32 X 2 +/312 X 1X 2 +e

donde y es la respuesta, las /3 son parmetros cuyos valores deben determinarse, Xl es una variable que representa al factorA,x 2 es una variable que representa al factor B, y e es un trmino del error aleat.orio. Las
variables Xl y X 2 se definen en una escala codificada de -1 a + 1 (los niveles bajo y alto deA y B), YX 1X 2 representa la interaccin entre Xl y X 2
Las estimaciones de los parmetros en este modelo de regresin resultan estar relacionadas con las
estimaciones de los efectos. Para el experimento ilustrado en la figura 5-1 se encuentra que los efectos
principales deA y B sanA = 21 YB = 11. Las estimaciones de /31 y/32son la mitad del valor del efecto principal correspondiente; por lo tanto, ~1 = 21/2 = 10.5 Y ~ 2 = 11 /2 = 5.5. El efecto de la interaccin de la
figura 5-1 es AB = 1, por lo que el valor del coeficiente de la interaccin en el modelo de regresin es
~12 = 1/2 = 0.5. El parmetro /30 se estima con el promedio de las cuatro respuestas, o
~o = (20+40+30+52)/4= 35.5. Por lo tanto, el modelo de regresin ajustado es
)7= 35.5+10.5x1 +5.5x 2 +0.5x1 x 2

49
y 39

29

-0.2

0.2

0.6

al La superficie de respuesta

b) La grfica de contorno

Figura 5-5 La superficie de respuesta y la grfica de contorno para el modelo y = 35.5 + lO.5x1 + 5.5xz.

5-1 DEFINICIONES Y PRINCIPIOS BSICOS

173

Las estimaciones de los parmetros obtenidas de esta manera para el diseo factorial en el que todos los
factores tienen dos niveles (- y +) resultan ser estimaciones de mnimos cuadrados (se abundar sobre el
tema ms adelante).
El coeficiente ~e l~ interaccin (/312 = O.S) es pequeo en comparacin con los coeficientes de los
efectos principales /31y /3 2' La interpretacin que se har de este hecho es que la interaccin es pequea y
puede ignorarse. Por lo tanto, al eliminar el trmino 0,Sx,x2 se obtiene el modelo
y= 3S.S+10,Sxl +S,Sx 2
En la figura S-S se muestran las representaciones grficas de este modelo. En la figura S-Sa se tiene una
grfica del plano de los valores de ygenerados por las diferentes combinaciones de Xl y X 2 A esta grfica
tridimensional se le llama grfica de superficie de respuesta. En la figura S-Sb se muestran las lneas de
contorno para las respuestas constantes y en el plano Xl' x 2 Observe que como la superficie de respuesta es
un plano, la grfica de contorno contiene lneas rectas paralelas.
Suponga ahora que la contribucin de la interaccin en el experimento no fuera insignificante; es decir, que el coeficiente /312 no fuera pequeo. En la figura S-6 se presenta la superficie de respuesta y la grfica de contorno del modelo

x,

0.2

0.6

al La superficie de respuesta

0.6
0.2
~

-0.2
-0.6
-1

b l La grfica de contorno

Figura 56 La superficie de respuesta y la grfica de contorno para el modelo y = 35.5 + lD.5x + 5.5x2 + 8xx2

174

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

(Se ha hecho que el efecto de la interaccin sea el promedio de los dos efectos principales.) Observe que
el efecto significativo de la interaccin provoca el "torcimiento" del plano de la figura S-6a. Este torcimiento de la superficie de respuesta produce lneas de contorno curvas para las respuestas constantes en
el planox1,x2, como se muestra en la figura S-6b. Por lo tanto, una interaccin es una forma de curvatura
en el modelo de superficie de respuesta fundamental del experimento.
El modelo de superficie de respuesta de un experimento es de gran importancia y utilidad. El tema se
ampliar en la seccin 5-5 y en captulos posteriores.
En general, cuando una interaccin es grande, los efectos principales correspondientes tienen escaso
significado prctico. En el experimento de la figura 5-2, la estimacin del efecto principal deA sera
A= 50+12 _ 20+40

=1

que es muy pequeo, y se llegara a concluir que no hay ningn efecto debido a A. Sin embargo, cuando se
examinan los efectos deA con niveles diferentes del fa ctor E, se observa que no es ste el caso. El factorA
tiene un efecto, pero depende del nivel del factor E. Es decir, el conocimiento de la interaccinAB es ms
til que el conocimiento del efecto principal. Una interaccin significativa suele enmascarar la significacin de los efectos principales. Estos puntos se ponen de manifiesto con claridad en la grfica de la interaccin de la figura 5-4. En presencia de una interaccin significativa, el experimentador deber por lo
general examinar los niveles de uno de los factores, por ejemplo del factor A, manteniendo fijos los niveles de los otros factores para sacar conclusiones acerca del efecto principal de A.
5~2

LA VENTAJA DE LOS DISEOS FACTORIALES

Es sencillo ilustrar la ventaja de los diseos factoriales. Suponga que se tienen dos factores A y E, cada
uno con dos niveles. Los niveles de los factores se denotan porA-,A+,E-y E+. Podra obtenerse informacin acerca de ambos factores hacindolos variar uno a la vez, como se muestra en la figura 5-7. El efecto
de cambiar el factor A est dado por A +E- -A-E-, y el efecto de cambiar el factor E est dado por A-E + A-E-. Debido a que est presente el error-experimental, es deseable realizar dos observaciones, por ejemplo, para cada combinacin de tratamientos y estimar los efectos de los factores utilizando las respuestas
promedio. Por lo tanto, se necesita un total de seis observaciones.
Si se hubiera efectuado un experimento factorial, se habra registrado una combinacin adicional
de los tratamientos, A +E+. Ahora, utilizando slo cuatro observaciones, pueden hacerse dos estimaciones del efecto deA:A+E- -A-E-yA+E+ -A-E+. De manera similar, pueden hacerse dos estimaciones del

A-B+
+
c:
~

~ca

u.

A+B-

A-B-

Factor A

Figura 57 Experimento con un factor a la vez.

5-3 DISEO FACTORIAL DE DOS FACTORES

175

4.0
3.5

,.

ro

'';:

~
ro

'0

3.0
2.5

lO
III

'0

::

UJ

2.0
1.5
1.0

Nmero de factores

Figura 58 Eficiencia relativa de un diseo factorial con

respecto a un experimento de un factor a la vez (dos niveles
del factor).

efecto de B. Estas dos estimaciones de cada efecto principal podran promediarse para producir efectos
principales promedio que tienen la misma precisin que las estimaciones del experimento con un solo
factor, pero slo se requieren cuatro observaciones en total, y nosotros diramos que la eficiencia relativa del diseo factorial con respecto al experimento de un factor a la vez es de (6/4) = 1.5. En general,
esta eficiencia relativa aumentar conforme se incremente el nmero de factores, como se muestra en
la figura 5-8.
Suponga ahora que est presente una interaccin. Si el diseo de un factor a la vez indicara queA-B+
yA +B- dieron mejores respuestas queA-B-, una conclusin lgica sera que A +B+ sera todava mejor. Sin
embargo, si est presente una interaccin, esta conclusin puede ser una equivocacin grave. Para un
ejemplo, referirse al experimento de la figura 5-2.
En resumen, observe que los diseos Jactoriales ofrecen varias ventajas. Son ms eficientes que los
experimentos de un factor a la vez. Adems, un diseo factorial es necesario cuando puede haber interacciones presentes a fin de evitar llegar a conclusiones incorrectas. Por ltimo, los diseos factoriales permiten la estimacin de los efectos de un factor con varios niveles de los factores restantes, produciendo
conclusiones que son vlidas para un rango de condiciones experimentales.

5~3
5~3.1

DISEO FACTORIAL DE DOS FACTORES

Un ejemplo

Los tipos ms simples de diseos factoriales incluyen nicamente dos factores o conjuntos de tratamientos. Haya niveles del factorA y b niveles del factor B, los cuales se disponen en un diseo factorial; es decir, cada rplica del experimento contiene todas las ab combinaciones de los tratamientos. En general,
hay n rplicas.
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. 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 expe-

r"'

,"'.

176

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

Tabla 5-1

Datos de la vida (en horas) para el ejemplo del diseo de la batera

Temperatura (OF)

Tipo de
material
1
2
3

155
180
188
126
110
160

130
74
150
159
138
168

125

70

15
34
80
136
106
174
150

40
75
122
115
120
139

20
82
25
58
96
82

70
58
70
45
104
60

riencia que la temperatura probablemente afectar la vida efectiva de la batera. Sin embargo, la temperatura puede controlarse en el laboratorio donde se desarrolla el producto para fines de prueba.
El ingeniero decide probar los tres materiales de la placa con tres niveles de temperatura -15, 70 Y
12S oP-, ya que estos niveles de temperatura son consistentes con el medio ambiente donde se usar finalmente el producto. Se prueban cuatro bateras con cada combinacin del material de la placa y la temperatura, y las 36 pruebas se corren de manera aleatoria. En la tabla 5-1 se presentan los datos del
experimento y de la vida observada de la batera.
En este problema, el ingeniero quiere responder las preguntas siguientes:
1.
2.

Qu efectos tienen el tipo de material y la temperatura sobre la vida de la batera?

Existe alguna eleccin del material que produzca de manera regular una vida larga de la batera
independientemente de la temperatura?

La segunda pregunta es de particular importancia. Quiz sea posible encontrar una alternativa del material que no resulte afectada considerablemente por la temperatura. De ser ste el caso, el ingeniero puede
hacer que la batera sea robusta para la variacin de la temperatura en el campo. Se trata de un ejemplo
de la aplicacin del diseo experimental estadstico en el diseo de productos robustos, un problema de
ingeniera muy importante.
El anterior es un ejemplo especfico del caso general de un diseo factorial de dos factores. Para pasar al caso general, sea Yijk la respuesta observada cuando el factor A tiene el nivel i-simo (i = 1, 2, oo., a) y
e1factor B tiene el nivelj-simo (j = 1,2, .oo, b) en la rplicak-sima (k = 1,2, oo., n). En general, el experimento factorial de dos factores aparecer como en la tabla 5-2. El orden en que se hacen las abn observaciones se selecciona al azar, por lo que este diseo es un diseo completamente aleatorizado.

Tabla 5-2 Arreglo general de un diseo factorial de dos factores

Factor B

1
Factor A

a
I

Ylll,Y1l2,

Yl2lo Yl22,

Ylbl,Ylb2,

,Yl1n

"'YI2J.

""Ylbn

Y2ll,Y212,

Y221,Y222'

Y2bI,Y2b2,

""Y2In

'Y22J1

""Y2bn

Ya 11' Ya12,

Ya21,Ya22,

Yabl,Yab2,

.. ,Yaln

,Ya2n

.. ,Yabn