Sie sind auf Seite 1von 14

EQUIPO 1 AGUILAR BASURTO ROLANDO ERICK ERNA PINEDA OSEGUERA ROSALES KEVIN AXEL ORTEGA VALDES ANTONIO DE JESUS

RIOS CERVANTES JESUS

Diseos Factoriales
El objetivo de un diseo factorial

Es estudiar el efecto de varios factores sobre una o varias respuestas o caractersticas de calidad y determinar una combinacin de niveles de los factores en la cual el desempeo del proceso sea mejor que en las condiciones de operacin actuales; es decir, encontrar nuevas condiciones de operacin del proceso que eliminen o disminuyan ciertos problema de calidad en la variable de salida

VARIABILIDAD
En el primer caso la variacin es

muy pequea, casi imperceptible pero an as existe.


En el caso de los fenmenos de tipo humano, donde

las fuentes de variacin son numerosas, cuesta distinguirlas, y sus causas son difciles de aislar y ms an de medir, la variacin es muy grande.

DISEOS FACTORIALES CON DOS FACTORES


Considere los factores A y B con a y b (a; b 2) niveles

de prueba, respectiva-mente. Con ellos se puede construir el arreglo o diseo factorial ab; que consiste de a b tratamientos. Se llama rplica cada repeticin completa del arreglo factorial.
Los diseos factoriales que involucran menos de

cuatro factores se corren replicados para poder tener la potencia necesaria en las pruebas estadsticas sobre los efecto de inters, de tal forma que si se hacen nrplicas, el nmero total de corridas experimentales es n(a b).

Modelo estadstico
Con un diseo factorial ab se pueden estudiar los dos

efectos individuales y el efecto de interaccin de ambos factores. En trminos estadsticos, lo que se arma es que el comportamiento de la respuesta Y en el experimento con k rplicas se podr describir mediante el modelo de efectos,
Yijk (4.1) = + i + j + ()ij + "ijk;
i = 1; 2; :::; a; j = 1; 2; :::; b; k = 1; 2; :::; n;

Donde u: es la media general, i: es el efecto debido al i-simo nivel del factor A j: es el efecto del j-simo nivel del factor B ij: representa al efecto de interaccin en la combinacin ij ijk: es el error aleatorio que supone sigue una distribucin con media cero y varianza constante 2 y son independientes entre s. Para que la estimacin de los parmetros en este modelo sea nica, se

introducen las restricciones:

Es decir, los efectos dados en el modelo son desviaciones respecto de la media global. Como alternativa, suponga que ambos factores son cuantitativos, el comportamiento de la respuesta se puede describir con el modelo de regresin asociado dado por:

Es decir, los efectos dados en el modelo son

desviaciones respecto de la media global. Como alternativa, suponga que ambos factores son cuantitativos, el comportamiento de la respuesta se puede describir con el modelo de regresin asociado dado por:

donde 0: representa a la media general, 1 es el efecto del factor X1 =

A 2: el efecto del factor X2 = B 12: representa el efecto de interaccin X1X2 =AB Al igual que en el modelo de arriba, los "ijk son variables independientes e idnticamente distribuidas. Se recomienda que las variables Xi se ajusten en la escala codificada 1 : -1, 1, 1 para dos niveles 2: -1,0,1 para tres niveles.

Hiptesis a evaluar y anlisis de varianza.


Como se observa en los modelos anteriores, con un diseo

factorial a b interesa estudiar los tres efectos A, B y AB. As, en primera instancia se pueden plantear los tres pares de hiptesis siguientes:

H0 : Efecto A = 0 HA : Efecto A 6= 0 H0 : Efecto B = 0 HA : Efecto B 6= 0; H0 : Efecto AB = 0 HA : Efecto AB 6= 0:

Tambin estas hiptesis se pueden plantear con los efectos descritos en los modelos 1 y 2 H0 : 1 = 2 = = a = 0 HA : i = 0 para algn i

H0 : 1 = 2 = = b = 0 HA : j = 0 para algn j y H0 : ()ij = 0 para todo ij HA : ()ij = 0 para algn ij:

Estas hiptesis se prueban mediante la tcnica de anlisis de varianza. El ANOVA para un diseo factorial a b con n rplicas resulta de descomponer la variacin total como SCT = SCA + SCB + SCAB + SCE donde los respectivos grados de libertad de cada una de ellas son nab - 1 = (a -1) + (b - 1) + (a -1)(b -1) + ab(n - 1):

El factor (n-1) en los grados de libertad de la suma de

cuadrados del error (SCE) seala que se necesitan al menos dos rplicas del experimento para poder calcular este componente, y por ende poder construir una tabla de ANOVA. esa informacin se sintetiza en la tabla 1

Se concluye: Si el valor P es menor al nivel de significancia prefijado, se concluye que la correspondiente hiptesis es significativa, es decir, ese efecto est o in.uye a la variable de respuesta; y si el efecto est activo entonces debe tomarse en cuenta en la interpretacin de los resultados, buscando mejorar el desempeo de la respuesta Y .

Ya aqu creo sigue el ejemplo