Anova de 2 factores

(Two Way)
Diseño de Experimentos

Mtro. Raúl Rodríguez A.

• El propósito es estudiar el efecto de 2
factores (A y B) sobre una respuesta
“y”
• Los factores (como en el One Way
Anova) son cualquier característica
que puede variar (como temperatura,
tiempo, % concentración, etc.)
• Los niveles del factor (o tratamientos)
son los valores reales que emplean en
el experimento
2
• El factor A tiene “a” niveles
• El factor B tiene “b” niveles
• Se toman n réplicas para cada
combinación de niveles
• Hay ab combinaciones de niveles
• Se tienen N observaciones totales
N = abn
• La siguiente tabla muestra el esquema
de los datos, donde las abn corridas se
efectúan en orden aleatorio
3
 Factor B
1 2 .......... b
1 y111, y112, y121, y122, y1b1, y1b2,
.........
L, y11n L, y12n L, y1bn
Factor A 2 y211, y212, y221, y222, y2b1, y2b2,
.........
L, y211n L, y22n L, y2bn
........ ............ .............. ........... ..........
a ya11, ya12, ya21, ya22, yab1, yab2,
.........
L, ya1n L, ya2n L, yabn

4
 Modelo Matemático

y ijk = µ + τ i + β j + (τβ ) ij + ε ijk

i = 1,2,K, a j = 1,2,K, b k = 1,2, K, n

µ : Efecto promedio global

ε ijk : Error aleatorio
Se supone que ambos factores (A y B)
son fijos
5
 Modelo Matemático

Efectos principales

τi es el efecto del factor A al nivel i

βj es el efecto del factor B al nivel j

Interacción
(τβ)ij es el efecto de la interacción de los
factores A y B en los niveles ij
6
Las hipótesis que se prueban son:
H 0 : τ1 = τ 2 = L = τ a = 0
1)
H 1 : Al menos un τ i ≠ 0

H 0 : β1 = β 2 = L = β b = 0
2)
H1 : Al menos un β j ≠ 0

H 0 : (τβ ) ij = 0 ∀ij
3)
H 1 : Al menos un (τβ ) ij ≠ 0
7
 Suma de cuadrados total corregida

SST = bn∑ ( y i•• − y •• ) + an∑ y • j • − y ••

2
( )
2

i j

(
+ n∑∑ y ij • − y i•• − y • j • + y ••• )
2

i j

+ ∑∑∑ yijk − y ij • ( )
2

i j k

SST = SS A + SS B + SS AB + SSE
8
 2 2
1 y
SS A = ∑ yi•• −
y
SST = ∑∑∑ y − ••• •••
2 2
ijk
i j k abn bn i abn
2
1 y
SS B = ∑
an i
y 2
• j• − •••
abn
2
y
SS Subtotales = (1 / n)∑∑ y −
2
ij •
•••

i j abn

SSAB = SSSubtotales – SSA – SSB

SSE = SST – SSA – SSB – SSAB

9
 Se demuestra que
a b
bn∑τ i2 an∑ β j2
E ( MS A ) = σ +
2 i =1
E ( MS B ) = σ +
2 i =1
a −1 b −1
a b
n∑∑ (τβ ) 2
ij

E ( MS AB ) = σ +
2 i =1 j =1 E ( MSE ) = σ 2
(a − 1)(b − 1)

10
Efecto Grados de
libertad
Principal A a–1
Principal B b–1
Interacción AB (a – 1) (b – 1)
Error ab (n – 1)
Total abn – 1

11
 La Tabla Anova (Two Way)
Fuente de G. L. Suma de Cuadrado F
variación cuadrados medio
Tratam. A a–1 SSA SS A MS A
MS A =
a −1 MSE

Tratam. B b–1 SSB SS MS B

MS B = B
b −1 MSE
Interacción (a – 1) SSAB SS AB MS AB
MS AB =
(b – 1) ( a − 1)(b − 1) MSE

Error ab(n –1) SSE SSE

MSE =
ab( n − 1)
Total abn – 1 SST
12
Ejemplo
• Se desea estudiar el efecto sobre la
salida de luz en una pantalla de TV
de tres tipos diferentes de fósforo y
dos tipos de cristal
• La salida de luz es la variable de
respuesta y se mide en
microamperes (µA)
• Tabla de datos a continuación
13
 Tipo de fósforo (B)

1 2 3
Tipo de 1 270 310 271
Cristal 288 302 286
(A) 285 296 291
2 234 252 225
228 244 218
238 236 230
14
Hipótesis que se prueban:
H 0 : τ1 = τ 2 = 0
1)
H 1 : Al menos un τ i ≠ 0

H 0 : β1 = β 2 = β 3 = 0
2)
H1 : Al menos un β j ≠ 0

H 0 : (τβ ) ij = 0 ∀ij
3)
H 1 : Al menos un (τβ ) ij ≠ 0
15
 Significado de las hipótesis (1)
• H0: No hay un efecto significativo del tipo
de cristal (factor A) sobre la salida de luz
promedio
• H1: Si hay efecto

Significado de las hipótesis (2)

• H0: No hay un efecto significativo del tipo
de fósforo (factor B) sobre la salida de luz
promedio
• H1: Si hay efecto 16
 Significado de las hipótesis (3)
• H0: No hay un efecto significativo de la
interacción entre el tipo de cristal y el
tipo de fósforo (factores A y B) sobre la
variable respuesta (salida de luz
promedio)
• H1: Si hay efecto significativo de la
interacción

17
 Análisis con Minitab
• Stat – Anova – General Linear Model
• La respuesta es “Microamperes”
• El modelo lineal se conforma con los 2
factores y su interacción
Cristal Fósforo Cristal*Fósforo
• Solicitar gráfica de efectos principales y
de interacciones

18
19
 Residual Plots for Microamperes
Normal Probability Plot of t he Residuals Residuals Versus t he Fit ted Values
99 10

90 5

Residual
Percent

0
50
-5
10
-10
1
-20 -10 0 10 20 220 240 260 280 300
Residual Fitted Value

Hist ogram of the Residuals Residuals Versus the Order of the Dat a
10
4
5
3
Frequency

Residual
0
2
-5
1
-10
0
-10 -5 0 5 2 4 6 8 10 12 14 16 18
Residual Observation Order

20
General Linear Model: Microamperes versus Cristal, Fósforo

Factor Type Levels Values

Cristal fixed 2 1, 2
Fósforo fixed 3 1, 2, 3

Analysis of Variance for Microamperes, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

Cristal 1 13557.6 13557.6 13557.6 216.15 0.000
Fósforo 2 1336.3 1336.3 668.2 10.65 0.002
Cristal*Fósforo 2 117.4 117.4 58.7 0.94 0.419
Error 12 752.7 752.7 62.7
Total 17 15764.0

S = 7.91974 R-Sq = 95.23% R-Sq(adj) = 93.24%

21
Conclusión
• Resultaron significativos los 2 efectos
principales: de los factores A y B
• La interacción de los factores A y B no
resultó significativa (valor p = 0.419)
• Hay un efecto significativo del tipo de
cristal sobre la salida de luz (valor p =
0)
• Hay un efecto significativo del tipo de
fósforo sobre la salida de luz (valor p =
0.002)
22
 Main Effects Plot (fitted means) for Microamperes
Cristal Fósforo
290

280
Mean of Microamperes

270

260

250

240

230
1 2 1 2 3

23
 Interaction Plot (fitted means) for Microamperes
310 Cristal
1
300 2

290

280

270
Mean

260

250

240

230

220
1 2 3
Fósforo

24
 Gráfica de efectos principales
• Se maximiza la salida de luz al
emplear cristal tipo 1, con un valor
promedio estimado de 288.77 micro
amperes
• Se maximiza la salida de luz al
emplear fósforo tipo 2, con un valor
promedio estimado de 273.33 micro
amperes
25
 Gráfica de interacciones
• Aunque la interacción no resultó
significativa, la gráfica de
interacciones sugiere que al emplear
cristal tipo1 y fósforo tipo 2 se
maximiza la salida de luz promedio,
con un valor estimado de 302.66
micro amperes

26
Ejercicio
• Se efectúa un experimento para estudiar
el efecto de la temperatura y tipo de
horno sobre la vida de una pieza de metal
• Se emplean 3 tipos de horno y 4 niveles
de temperatura
• Se asignan en forma aleatoria 24 piezas,
2 a cada combinación de tratamientos
• Realice un anova para probar la
significancia de los efectos principales e
interacción
27
 Esquema para las corridas
experimentales
• Usando Minitab 14, se puede crear una
plantilla para el orden de las corridas
experimentales
• Stat – DOE – Factorial – Create
Factorial Design
• Type of Design: General Full Factorial
Design
• Numbers of factors: 2
28
 Codificación
• Factor A: Tipo de Horno. Niveles del
factor A: Hornos 1, 2 y 3
• Factor B: Temperatura. Niveles del
factor B: 1 (500), 2 (550), 3(600), 4
(650). La temperatura se da en °C
• Variable de respuesta: Días de vida de
la pieza (se realizó una prueba
acelerada)
29
30
 Temperatu
StdOrder RunOrder PtType Blocks Horno ra
11 1 1 1 3 3
15 2 1 1 1 3
8 3 1 1 2 4
13 4 1 1 1 1
19 5 1 1 2 3
4 6 1 1 1 4
23 7 1 1 3 3
16 8 1 1 1 4
2 9 1 1 1 2
18 10 1 1 2 2
5 11 1 1 2 1
24 12 1 1 3 4
9 13 1 1 3 1
10 14 1 1 3 2
1 15 1 1 1 1
6 16 1 1 2 2
21 17 1 1 3 1
22 18 1 1 3 2
17 19 1 1 2 1
20 20 1 1 2 4
3 21 1 1 1 3
14 22 1 1 1 2
7 23 1 1 2 3
12 24 1 1 3 4 31
 Análisis de los datos con Minitab

• Se puede realizar de 2 formas

• Stat – Anova – Two way Anova (no
genera gráfica de efectos principales e
interacciones)
• Stat – Anova – General Linear Model
(aquí si es posible obtener gráficas de
efectos principales e interacciones)

32
33
Two-way ANOVA: Vida versus Horno, Temperatura

Source DF SS MS F P
Horno 2 271.8 135.88 0.28 0.760
Temperatura 3 4394.8 1464.94 3.03 0.071
Interaction 6 2940.9 490.15 1.01 0.460
Error 12 5797.0 483.08
Total 23 13404.5

S = 21.98 R-Sq = 56.75% R-Sq(adj) = 17.11%

34
35
General Linear Model: Vida versus Horno, Temperatura

Factor Type Levels Values

Horno fixed 3 1, 2, 3
Temperatura fixed 4 1, 2, 3, 4

Analysis of Variance for Vida, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

Horno 2 271.8 271.7 135.9 0.28 0.760
Temperatura 3 4394.8 4394.8 1464.9 3.03 0.071
Horno*Temperatura 6 2940.9 2940.9 490.2 1.01 0.460
Error 12 5797.0 5797.0 483.1
Total 23 13404.5

S = 21.9792 R-Sq = 56.75% R-Sq(adj) = 17.11%

36
 Residual Plots for Vida
Normal Probability Plot of t he Residuals Residuals Versus t he Fit ted Values
99 40

90 20

Residual
Percent

50 0

10 -20

1 -40
-40 -20 0 20 40 200 220 240
Residual Fitted Value

Hist ogram of the Residuals Residuals Versus the Order of the Dat a
40
8
20
Frequency

Residual
0
4
-20
2

0 -40
-30 -20 -10 0 10 20 30 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order

37
Conclusiones
• En el nivel 0.05, no resultan
significativos los efectos de los factores
temperatura y horno, así como tampoco
el efecto de la interacción horno –
temperatura
• No hay desviaciones serias de los
supuestos del anova
• El ajuste del modelo (R cuadrada
ajustada) es pobre
38
 Main Effects Plot (fitted means) for Vida
Horno Temperatura
240

235

230
Mean of Vida

225

220

215

210

1 2 3 1 2 3 4

39
 Interaction Plot (data means) for Vida
250 Horno
1
2
240 3

230
Mean

220

210

200

190
1 2 3 4
Temperatura

40
 Interaction Plot (fitted means) for Vida
1 2 3 4
Horno
240 1
2
3

Horno 220

200

Temperatura
240 1
2
3
4
220 Temperatura

200

1 2 3

41
Gráficas de efectos principales

• Aunque el factor “temperatura” no

resultó estadísticamente significativo
(valor p = 0.071), pudiera ser que en
la práctica si sea significativo
• Esto depende de la interpretación
práctica y la experiencia del ingeniero

42
Gráficas de efectos principales

• La gráfica sugiere que si se emplea el

nivel 1 de temperatura (500°C), se
maximiza la variable de respuesta,
con un tiempo de vida promedio
estimado en 239.6 días

43
Gráficas de interacciones
• Tampoco resultó significativa la
interacción horno – temperatura
(valor p = 0.46)
• Sin embargo, el ingeniero puede
utilizar la gráfica de interacciones,
que sugiere que se maximiza la
variable de respuesta empleando las
combinaciones:
44
Gráficas de interacciones
• Temperatura 1 (500 °C) – Horno 2: con
una vida promedio estimada de 248.5
días
• Temperatura 1 (500 °C) – Horno 3: con
una vida promedio estimada de 247.5
días
• Es decir, puede convenir emplear
temperatura de 500 °C empleando
cualquiera de los 2 hornos (1 o 2)
45
Tarea
• Libro: Walpole – Myers. Pág. 538 –
540: # 1, 2, 5, 6

46
47