DISEÑO FACTORIAL

Niveles de B Niveles de A 1 2 3 1 y11 y12 y13 2 y21 y22 y23 3 y31 y32 y33 4 y41 y42 y43 4 y14 y24 y34 y44 5 y15 y25 y35 y45 Todos los niveles de cada factor están combinados con todos los niveles de los restantes factores

MODELO JERÁRQUICO (0 ANIDADO)
Ciertos niveles de B están ligados a ciertos niveles de A. Niveles de B Niveles de A 1 2 3 4 5 1 y11 y12 2 y23 3 y34 4 y45 La presencia de un nivel de B depende de la de un cierto nivel de A; en este caso diremos que el factor B está anidado en el factor A, y con Bj (i) indicaremos que el j ¡ésimo nivel de B corresponde al i-ésimo de A.

Modelo equilibrado: Un factor anidado con el mismo número de observaciones por celda

Modelo no-equilibrado: Un factor anidado con distinto número de observaciones por celda

1

2. (i = 1. (j = 1. ¢ ¢ ¢ . 2 . ¢ ¢ ¢ . Variables aleatorias independientes N (0. bi ) (k = 1. r ) n: : r es el número de réplicas X i número de observaciones: n = r bi u(ij )k : el error experimental. ¢ ¢ ¢ . 2. 2. a). MODELO DE EFECTOS FIJOS A y B son fijos: Xa i=1 τ i = 0.DISEÑO JERÁRQUICO CON UN FACTOR ANIDADO Y EL MISMO NÚMERO DE OBSERVACIONES POR CELDA 1) Distinto no de niveles del factor anidado por cada nivel del factor principal MODELO ESTADÍSTIC0 yijk = µ + τ i + β j (i) + u(ij )k µ τi : la media global : el efecto del nivel i¡ésimo del factor A.σ) NO HAY INTERACCIÓN: CADA NIVEL DE B NO APARECE CON CADA NIVEL DE A. ¢ ¢ ¢ . 2. Xri j =1 β j (i) = 0 (para i = 1. a) del factor B dentro del nivel β j (i) : el efecto producido por el nivel j ¡ésimo i¡ésimo del factor A.

k 2 X y::: 2 TOT. SCB (A) CM B (A) Fexp(A(B)) = R ¡ a = SCR CM R R(r ¡ 1) 3 . V.j ij: i. SCT = yijk ¡ n¡1 CMT n i. n = r £ bi i X i bi SCA CM A Fexp(A)= a ¡ 1 = SCR CM R R(r ¡ 1) Bajo H0 Fexp(A) Ã Fa¡1.k R : el número total de niveles del factor B R = X n el número total de observaciones. M. C.R(r¡1) Bajo H0 Fexp(A(B)) Ã FR¡a.j Tabla ANOVA para el modelo de efectos fijos F.j.ECUACIÓN BÁSICA DEL ANÁLISIS DE LA VARIANZA SCT = SCA + SCB (A) + SCR H0 ´ τ i =0 . L.R(r¡1) . H0 ´ β j (i) =0 . G. C.j. 8i . Fexp a 2 2 CMA 1 X yi:: y::: Fac. 8i. S.j b CM R i=1 i X 1X 2 2 Error SCR = yijk ¡ y R(r ¡ 1) CM R r i. A SCA = ¡ a¡1 CM A r b n CM R Ã i=1 i ! a 2 X 1 X 2 yi:: CMB (A) B en A SCB (A) = yij: ¡ R ¡ a CM B (A) r i.

S.j b CM R i=1 i X 1X 2 2 Error SCR = yijk ¡ y R(r ¡ 1) CM R r i.k 2 X y::: 2 TOT. Fexp a 2 2 1 X yi:: y::: CMA Fac. σ A) Los niveles de B son una muestra aleatoria de una población N (0. C. σ B ) Contrastes: H0 ´ σ2 A =0 y H0 ´ σ2 B = 0.j. V. Modelo de efectos aleatorios y mixtos F.k SCA CM A Fexp(A) = a ¡ 1 = SCB (A) CM B (A) R¡a Bajo H0 Fexp(A) Ã Fa¡1. M. SCT = yijk ¡ n¡1 CMT n i. SCB (A) CMB (A) Fexp(A(B ))= R ¡ a = SCR CM R R(r ¡ 1) Bajo H0 Fexp(A(B)) Ã FR¡a.j. A SCA = ¡ a¡1 CM A r bi n CMB (A) ! Ã i=1 a 2 X 1 X 2 yi:: CMB (A) B en A SCB (A) = yij: ¡ R ¡ a CM B (A) r i.R(r¡1) 4 . H0 ´ τ i = 0 B el factor de efectos aleatorios.R¡a .MODELO DE EFECTOS ALEATORIOS Los niveles de A son una muestra aleatoria de una población N (0. L. C. respectivamente MODELO DE EFECTOS MIXTOS A es el factor de efectos fijos .j ij: i. G. H0 ´ σ 2 B = 0 Tabla ANOVA.

Ciudad 1 Ciudad 2 Ciudad 3 Sucursales Suc. Para contrastar estas posibles fuentes de variabilidad.33 5 .j. 2 1150 1120 1060 1043 1020 800 835 1157 1119 1050 1048 1010 860 810 1148 1125 1056 1052 1030 827 870 yij. 2 Suc. en miles de ptas. medida por el volumen de las cuentas corrientes..5 + + 3 2 3 2 SCR = SCT ¡ SCA ¡ SCB (A) = 3979. así mismo entre ciudades. 2 Suc.12 a 2 ¤ 1 X yi:: 1£ 1X 2 (3455)2 + (3364)2 + ¢ ¢ ¢ + (2515)2 ¡ yij: ¡ = SCB (A) = r i. 6819 9369 5002 Modelo jerárquico con un factor anidado: las sucursales están jerarquizadas según las ciudades.96 n 21 i. entre unas sucursales y otras. se decide utilizar un diseño factorial jerárquico (los niveles del factor sucursales no pueden combinarse con todos y cada uno de los niveles del factor ciudades) y se toma una muestra de tres cuentas corrientes en cada sucursal. se debe al hecho de ser las ciudades diferentes económicamente. 3455 3364 3166 3143 3060 2487 2515 yi. o a ambas cosas a la vez. 3 Suc. 2 X y::: (21190)2 2 2 2 yijk ¡ SCT = = (1150) + ¢ ¢ ¢ + (870) ¡ = 298766.j r i=1 bi 3 · ¸ 1 (6819)2 (9369)2 (5002)2 ¡ = 3583. 1 Suc. 1 Suc. Diseños con un factor anidado (no-balanceado) Una entidad bancaria tiene siete sucursales en tres ciudades.Ejemplo. En la central del banco están interesados en saber si la diferente captación de clientes. distinguiéndose éstas por su distinto carácter económico. a la labor de los directores de las sucursales.k · ¸ 3 2 2 (21190)2 1 X yi:: y::: 1 (6819)2 (9369)2 (5002)2 ¡ SCA = ¡ = + + = r i=1 bi n 3 2 3 2 21 = 291204. 1 Suc.

152 > F0.33 2 £ 7 = 14 CMR = 284.06 CMA/CM B (A) = 162.4.50 7 ¡ 3 = 4 CMB (A) = 895.152 Error 14 CM R = 284. L. Modelo de efectos mixtos: Ciudades (A): Efectos fijos y Sucursales (B): Efectos aleatorios. son de efectos fijos.V.06 CMA/CM R = 512.254 Fact B en A 4 CM B (A) = 895. S. Modelo de efectos aleatorios: Ciudades (A) y Sucursales (B) son de efectos aleatorios H0A ´ σ 2 y H0B(A) ´ σ2 A = 0 B = 0 F. C.2381 Si α = 0. Fexp Factor A 2 CM A = 145602.74.11 también son significativamente distintos los efectos del factor B (sucursales). g. 6 . Los contrastes H0A ´ τ i = 0 8i y H0B ´ σ2 B = 0 se resuelven como en el modelo de efectos aleatorios llegándose a las mismas conclusiones. G.14 = 3.2381 Si α = 0. H0A ´ τ i = 0 y H0B(A) ´ β j(i) = 0 F.2.F.12 2 CM A = 145602. como Fexp(A) = 162.94.96 20 Modelo de efectos fijos: Ciudades (factor A) y Sucursales (factor B ).525 > F0. debido al hecho de su distinto carácter económico y Fexp(A(B)) = 3.8750 CM B (A)/CMR = 3.8750 Error SCR = 3979.05.2381 TOTAL SCT = 298766. M.4 = 6. los distintos niveles del factor A (Ciudades) son significativamente distintos y Fexp(B(A)) = 3. C.254 > F0.152 Error 14 CM R = 284.8750 CM B (A)/CM R = 3. C.05.06 Fact B en A SCB (A) = 3583. Fexp Factor A 2 CM A = 145602.05. como Fexp(A) = 512.05.05.V.l.525 Fact B en A 4 CM B (A) = 895.2. V.05.4.M.14 = 3.l. g.11 la labor de los directores de sucursal también es significativamente distinta.M.14 = 3.152 > F0. Factor A SCA = 291204. la captación de clientes es significativamente distinta en los tres tipos de ciudades. C.

Si los factores fuesen cruzados el lote 1 siempre sería el mismo para cualquier proveedor y lo mismo ocurriría con los demás lotes) 7 . 1 Lotes 1 2 3 4 1 y111 y121 y131 y141 y211 Observ. ¢ ¢ ¢ . 2. Diseño anidado balanceado: El mismo no de niveles de B dentro de cada Es un modelo jerárquico con un factor anidado. 2. el lote 1 del proveedor 1 no tiene relación con el lote 1 de cualquier otro proveedor (igual para los restantes lotes). b : k = 1. Hay cuatro lotes de materia disponible de cada proveedor y se hacen tres determinaciones de la pureza de cada lote.2) Igual no de niveles del factor anidado en todos los niveles del factor principal MODELO ESTADÍSTIC0 8 < i = 1. r EJEMPLO Consideremos una compañía que compra su materia prima a tres diferentes proveedores. Modelo Jerárquico con un Proveed. y112 y122 y132 y142 y212 y113 y123 y133 y143 y213 factor anidado (balanceado) 2 3 2 3 4 1 2 3 4 y221 y231 y241 y311 y321 y331 y341 y222 y232 y242 y312 y322 y332 y342 y223 y233 y243 y313 y323 y333 y343 yijk nivel de A y el mismo no de réplicas. Los lotes de un proveedor son únicos para ese proveedor en particular. La compañía desea determinar si la pureza de la materia prima de cada uno de los proveedores es la misma. es decir. ¢ ¢ ¢ . donde los lotes están jerarquizados según los proveedores. 2. a = µ + τ i + β j (i) + u(ij )k j = 1. ¢ ¢ ¢ .

y se hacen tres 3 2 1 1 ¡2 ¡3 2 0 4 2 3 ¡1 0 ¡2 4 1 0 3 2 2 4 0 2 1 ¡2 ¡2 ¡1 ¡3 0 0 ¡4 1 ¡2 0 ¡1 2 2 3 1 4 3 2 1 Modelo de efectos mixtos: el factor proveedor es fijo y el factor lote es aleatorio. La determinar si la los proveedores. C.24 = 2.9 = 4.Ejemplo: Diseños con un factor anidado (balanceado) Un compañía compra su materia prima por lotes a tres pureza de la materia prima varía considerablemente. Proveedores Lotes Observaciones 1 1 2 3 4 1 4 0 proveedores.528/7. F.944 Si α = 0.769/2. Factor A 15. se desea variabilidad en la pureza puede atribuirse a diferencias entre Para ello.2.05 se observa que el efecto proveedor (F0.3333 12(3 ¡ 1) = 24 TOTAL 148. El efecto lote-dentro-proveedor también se trata como de efecto aleatorio porque contiene un factor aleatorio.M 7.26) no es significativo y el efecto lotes-dentro-proveedor (F0.769 = 0.639 = 2.05.056 2 Fact. 8 .05.769 2. selecciona al azar cuatro lotes de materia prima determinaciones de la pureza sobre cada lote.969 7.306 35 C. L. G.528 7.V.9.30) si es significativo. B en A 69.639 Fexp 7. S.917 4 £ 3 ¡ 3 = 9 Error 63.

858 18.4.1.269/18.0 Modelo de efectos mixtos: El factor “Máquina” es de efectos fijos y el factor “Operario” es de efectos aleatorios.4 3.1.7.6.8 2.269 11.15.6 4.5.950 79 Si α = 0. B en A 282.7.12 0.9 2 13.2 4 7. C.4.Ejemplo: Diseños con un factor anidado (balanceado) Con el propósito de estudiar el rendimiento de cinco máquinas diferentes.858 = 0.598 Fact.11.3 6.5 11.84) son significativos.7.875 20 ¡ 5 = 15 18.10.4.9 8.3 3 1.0. Debido a que las máquinas están en diferente localidad no es posible usar los mismos operarios en cada máquina. además los operarios se eligen al azar. L.2.0.M Fexp Factor A 45.7 5.7. C.0.5.5 3.4 1. S.0.2.9.700 TOTAL 969.6.6. Máquinas Operario A B C D E 1 6.15 = 3.0.4.075 4 11.4 0.3.0.9 0.V.8 10. 9 .7.06) ni el efecto operario-dentromáquina (F0.3.05 ni el efecto máquina (F0.700 = 1.1 7.8.1.60 = 1.10 10.7 1.4.8.9. G.8.7.000 20(4 ¡ 1) = 60 10.05.0.762 Error 642.5. se realiza un experimento en el que cada máquina es operada por cuatro diferentes operarios y se seleccionan y prueban cuatro piezas de cada operador y se mide el tiempo que tardan en realizarlas.10. F.858/10.9.05.2.

(j = 1. 2. a) : el efecto producido por el nivel j ¡ésimoel factor B . ¢ ¢ ¢ . ¢ ¢ ¢ . 2. b) γ k(j ) (τ β )ij : el efecto producido por la interacción A £ B : el efecto producido por el nivel k ¡ésimoel factor C dentro del nivel j ¡ésimo del factor B . σ ) está cruzado con B y C ) Puede existir interacción entre A£B y A £ C ECUACIÓN BÁSICA DEL ANÁLISIS DE LA VARIANZA está anidado en B ) no existen las interacciones B £ C ni A £ B £ C. (k = 1. 2. Se suponen variables aleatorias independientes N (0.DISEÑO JERÁRQUICO FACTORIAL DISEÑO JERÁRQUICO Y FACTORES CRUZADOS MODELO ESTADÍSTICO yijkl = µ + τ i + β j + γ k(j ) + (τ β )ij + (τ γ )ik(j ) + u(ijk)l µ τi βj : la media global : el efecto del nivel i¡ésimo del factor A. SCT = SCA + SCB + SC (A £ B ) + SC (C (B )) + SC (A £ C (B )) + SCR 10 . ¢ ¢ ¢ . r) donde r denota el número de réplicas u(ijk)l C A : el error experimental. (i = 1. ¢ ¢ ¢ . c) (τ γ )ik(j ) : el efecto producido por la interacción del factor A £ C dentro del factor B (l = 1. 2.

A (F) B .k an ¡ 2 X yij:: i. Diseño jerárquico factorial S.j 2 y:::: ¡ ¡ SCA ¡ SCB cn abcn b 2 X y:j:: + .V.k b 2 X y:j:: .j SCR = SCT ¡ SCA ¡ SCB ¡ SC (A £ B ) ¡ SC (C (B )) ¡ SC (A £ C (B )) F. G. L.k n ¡ 2 X y:jk: j.M 11 . (F) C en B A£B A £ C en B Error TOTAL Fexp CMA SCA a¡1 CM A CM (AC (B )) CM B SCB b¡1 CM B CM C (B ) CM C (B ) SCC (B ) b(c ¡ 1) CMC (B ) CM R CM (AB ) SC (AB ) (a ¡ 1)(b ¡ 1) CM (AB ) CM (AC (B )) CM (AC (B )) SC (AC (B )) b(a ¡ 1)(c ¡ 1) CM (AC (B )) CM R SCR abc(r ¡ 1) CMR SCT abcr ¡ 1 CM T Tabla ANOVA. C. C. cn acn j =1 SC (A £ C (B )) = 2 X yijk: i.j.SCT = i:j:k:l X 2 yijkl 2 y:::: ¡ abcn SCA = a X y2 i:=1 2 y:::: ¡ bcn abcn i::: b 2 X y:j:: y2 SCB = ¡ :::: acn abcn j =1 SC (C (B )) = 2 X y:jk: j. ¡ an acn j =1 SC (A £ B ) = 2 X yij:: i.

j. Distribución 2 1 2 3 4 26 28 29 28 27 25 163 27 25 30 27 26 24 159 633 28 25 24 23 24 27 151 24 23 28 30 28 27 160 yi.. SCT = i:j:k:l SCA = X i X 2 yijkl 2 y:::: (1252)2 ¡ = 32956 ¡ = 299..80 abcr 48 acr 2 y:::: (1252)2 ¡ = 32660.. para ello se estudia la intersección manual de componentes electrónicos en circuitos impresos.. y. Se obtienen aleatoriamente dos réplicas de cada combinación de tratamientos de este diseño..Ejemplo: Diseños con un factor anidado y dos factores cruzados En un experimento se trata de mejorar la rapidez de ensamblaje en una línea de producción. Se requiere que los operadores realicen el ensamblaje y se decide seleccionar a cuatro para cada combinación aparatodistribución.08 abcr 48 12 . no se pueden probar a los mismos cuatro operadores en cada distribución de lugar de trabajo debido a que los lugares de trabajo están en diferentes localidades dentro de la planta. Por lo tanto.13 ¡ = 82. Se diseñan tres aparatos para ensamblar y dos distribuciones del lugar de trabajo. los cuatro operadores de la distribución 1 son diferentes a los de la distribución 2..42 ¡ = 4.67 abcr 48 2 yi::: SCB = bcr X 2 y:j:: j ¡ 2 y:::: (1252)2 = 32739. Sin embargo.. 404 447 401 1252 = y. Los tiempos de ensamblaje se muestran en la siguiente tabla Distribución 1 1 2 3 4 22 24 30 27 25 21 149 23 24 29 28 24 22 150 619 28 29 30 32 27 25 171 25 23 27 25 26 23 149 Operario Aparato 1 Aparato 2 Aparato 3 yij.

33 ¡ 32660.08 1 4.67 47 CMT Al nivel de significación del 5 %.M Fexp 82. L.09 4. (F) Fact.09/11. de los operadores dentro de las distribuciones (factor C en B ) y de la interacción entre aparatos y operadores dentro de las distribuciones (factor A £ C en B ). C.40 41. G.80 2 41.33 = 5.33 = 2. X X 2 2 y:jk: y:j:: i.42 = 65.52 9.80 ¡ 4.36 56 24 2.99 = 0.49 = 1.25 ¡ ¡ cr abcr 48 = 82. 13 .j + j SCR = SCT ¡ SCA ¡ SCB ¡ SC (A £ B ) ¡ SC (C (B )) ¡ SC (A £ C (B )) = 56 F.84 ar X i. A £ C en B Error TOTAL S. Factor A (F) Factor B.j.49 5.V. son significativos los efectos de los aparatos (factor A).15 19.91 6 11.33 ¡ 32762.33 299.49/2. A £ B Inter.j X 2 yij:: SC (C (B )) = j. C.2 y:::: (1252)2 SC (A £ B ) = ¡ ¡ SCA ¡ SCB = 32762.84 12 5.k SC (A £ C (B )) = = r ar cr acr = 32900 ¡ 32732.49 = 7.52/5.54 4.25 + 32660.k ¡ = 32732.99/2.04 2 9.34 71.73 65.40/5.99 11. C en B Inter.k j ¡ i.42 = 71.91 acr X X X 2 2 2 2 yijk: y:jk: yij:: y:j:: ¡ j.04.08 = 19.