EXPERIMENTOS FACTORIALES

Los experimentos por el número de factores que participan en la investigación se pueden

clasificar en experimentos simples y en experimentos factoriales; Los experimentos simples
son aquellos en los que se estudia un solo factor (1) y sus respectivos niveles o tratamientos;
Los experimentos factoriales son aquellos experimentos en que se estudian simultáneamente
dos o más factores.
Los experimentos factoriales en si no constituyen un diseño experimental sino mas bien ellos
deben ser llevados a cualquiera de los diseños clásicos tales como al diseño completamente
al azar o al diseño en bloques.
Los experimentos por la forma de combinar sus niveles se clasifican en experimentos con
clasificación cruzada y experimentos con clasificación anidada.
Los diseños experimentales con clasificación cruzada son aquellos en que se investigan todas
las posibles combinaciones de los niveles de los factores que participan.
Los experimentos con clasificación anidada son aquellos que por la naturaleza del estudio no
se pueden realizar todas las combinaciones posibles.
Los factores son denotados por letras mayúsculas (A, B, C,), el número de niveles da cada
factor se denota con su respectiva letra minúscula (a, b, c,).
En los experimentos factoriales cada una de las combinaciones de los niveles de los factores
se denominan tratamientos; es decir cada combinación se considera un tratamiento. Cada
tratamiento requiere repeticiones.
Veamos casos de experimentos con clasificación cruzada.
Ejemplos.
a) Suponga que la adhesividad de un pegamento en una investigación depende de
principalmente de dos factores, la presión (A) y temperatura (B), en su elaboración; se
ensayan dos niveles de presión (a1, a2), y tres niveles de temperatura (b1, b2, b3).
Para una clasificación cruzada:
A: a1, a2 ( a=2)
B: b1, b2, b3 ( b=3)
Los tratamientos: a1b1, a1b2, a1b3, a2b1, a2b2; a2b3 t=6=ab
T1 T2 T3 T4 T5 T6

t=a*b=6 y si r=4 repeticiones  N= tr = 24 unidades experimentales

b) Debido a que en el mercado se producen dos nuevos polímeros, un ingeniero desea

probar si estos mejoran la elasticidad del plástico que se obtiene en un proceso de extrusión.
El ingeniero considera también que la cantidad de aditivo es un factor importante.
A: Tipo de polímero (a1, a2, a3); incluye al control.
B: Aditivo (b1, b2, b3); incluye al control.
A: a1, a2, a3 (a=3)
B: b1, b2, b3 (b=3)
Número de tratamientos t= 3*3= 9 tratamientos
a1b1, a1b2, a1b3, a2b1, a2b2, a2b3, a3b1, a3b2, a3b3
T1 T2 T3 T4 T5 T6 T7 T8 T9
Si r=4  N=36 unidades experimentales
c) Si A: a1, a2 B: b1, b2, b3 C: c1, c2
t =a*b*c = 2*3*2 = 12 tratamientos
si r=3  N= 12*3= 36 unidades experimentales
Los tratamientos: a1b1c1, a1b1c2, a1b2c1, …, a2b3c2
T1 T2 T3 T12
Interés :
Para un experimento bifactorial con factores A y B, El interés es comparar:
Los efectos medios de los t tratamientos
Los a niveles del factor A
Los b niveles del factor B
La interacción AB
1.EXPERIMENTO FACTORIAL EN UN DISEÑO COMPLETAMENTE AL AZAR
(clasificación cruzada).
Debe usarse cuando existe un campo experimental con unidades experimentales homogéneas.
El procedimiento del esquema de campo es similar al desarrollado en el diseño completamente al
azar con un solo factor.
Esquema de campo para un experimento bifactorial A, B
A: a1, a2 ( a=2)
B: b1, b2, b3 ( b=3)
Para una combinación cruzada, todos los niveles de un factor se combinan con todos los
niveles del otro factor.
Los tratamientos: a1b1, a1b2, a1b3, a2b1, a2b2; a2b3 t=6=ab
T1 T2 T3 T4 T5 T6

Si r=4 repeticiones  N= tr = 24 unidades experimentales.

La distribución aleatoria puede ser:

T4 T2 T4 T3

T1 T6 T5 T1

T4 T2 T5 T3

T5 T1 T3 T2

T3 T6 T4 T1

Los datos pueden arreglarse de manera general de la siguiente manera.

a) T6 los tratamientos:
Para T2 T5 T6
 Tratamiento ij
a1b1 a1b2 a1b3
Repeticiones 1 2 3 . . . t
1 X111 X121 . . . Xab1

2 X112 X122 . . . Xab2

. . . . . . .
.
.
r X11r X12r . . . Xabr
Xij. X11. X12. X13. . . . Xab. X…

b) Para los factores:

Factor B (j)
Factor A ( i ) 1 2 3 . . . b Xi.
X111 X121 . . . X1b1

1 X112 X122 . . . X1b2

X1..

X11r X12r . . . X1br

X211

2 X212 X2..

X21r

Xa11 Xa21 . . . Xab1

a Xa12 Xa22 . . . Xab2 Xa..

Xa1r Xa2r . . . Xabr

X.j X.1. X.2. X.b. X…

Análisis.
Puede realizarse usando la prueba paramétrica F del análisis de varianza.
Suponer un experimento con dos factores A, B
Procedimiento de prueba de hipótesis:

a) Hipótesis

ai) Para los tratamientos:

H0 : 1 = 2 = 3 = . . . = t

H1 : Al menos 1 tratamiento tiene efecto medio diferente.

aii) Para el factor A:

H0 : 1 = 2 = 3 = . . . = a

H1 : Al menos 1 nivel del factor A tiene efecto medio diferente

aii) Para el factor B:

H0 : 1 = 2 = 3 = . . . = b

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente

aiii) Para la interacción AB:

H0 : σAB = 0 La interacción es nula ( ∀ i, j)

H1 : σAB > 0 La interacción no es nula para al menos una ij.

b) Nivel de significación: α

Probabilidad de equivocarse fijado por el investigador; generalmente α=0.05

c) Función de prueba o fórmula (valor calculado)

CMT
F =
CME Para tratamientos: Tabla análisis de varianza ANOVA
 CM (Factor )
F =
CME Para cada factor: Tabla análisis de varianza ANOVA

d) Valor tabular : Tabla F

F tab = F(t – 1, v; 1-α) Para tratamientos

F tab = F(a – 1, v; 1-α) Para factor A

F tab = F(b – 1, v; 1-α) Para factor B

F tab = F((a-1)(b – 1), v; 1-α) Para interacción

v: grados de libertad del error experimental del ANOVA

e) Decisión
Rechazar H0 si F > Ftab

Nota
Cuando existe significancia estadística en las pruebas del ANOVA, se puede
complementar el análisis con las pruebas de significación pos anova, como Duncan,
Tukey, SNK, etc. Las pruebas pueden realizarse si por lo menos existen tres niveles en
el factor.

Tabla de análisis de varianza (ANOVA)

Fuente de Grados de Suma de Cuadrado Prueba

variación libertad cuadrados medio F
(FV) (gl) (SC) (CM)=SC/gl
Tratamiento t–1=ab-1 TXX T T/E
s
a-1 AXX A A/E
 A b-1 BXX B B/E
B
AB (a-1)(b – 1) ABxx AB AB/E
Error exper. ab(r-1)= v Exx E
Total abr-1= N-1 Wxx

donde:
t
∑ X 2iJ, X 2. ..
i =1
T xx= − T xx A xx B xx AB xx
r N = + +
a b
∑ X 2i. . X 2..
∑ X 2. . J . X 2. .
i=1 J =1
A XX = − B XX = − AB XX =T XX −A XX −BXX
br N ar N

a b r
X 2.. .
W XX =∑ ∑∑ X 2i jk −
i=1 i=1 i=1 N

EXX = W XX −T XX

Ejemplo de factorial en el Diseño completamente al azar

Un ingeniero está diseñando una batería que se usará en un dispositivo que se someterá a

variaciones de temperaturas extremas. El único parámetro del diseño que puede seleccionar
en este punto es el material de la placa o ánodo de la batería (A) y tiene dos elecciones

posibles (a1, a2). Cuando el dispositivo esté fabricado y se envíe al campo, el ingeniero no

tendrá control sobre las temperaturas extremas en las que operará el dispositivo, pero sabe

por experiencia que la temperatura (B) probablemente afectará la vida efectiva de la batería;

sin embargo, la temperatura puede controlarse en el laboratorio donde se desarrolla la

prueba para fines de prueba. El ingeniero decide probar dos materiales de la placa con tres

niveles de temperatura. Por la naturaleza de la elaboración de las baterías el campo

experimental reporta homogeneidad respecto al tiempo de vida por batería. Los resultados se

dan en el esquema de campo en horas de duración por batería t=6, r=4 N=24

A: a1, a2 ( a=2)
B: b1, b2, b3 ( b=3)
Los tratamientos: a1b1, a1b2, a1b3, a2b1, a2b2; a2b3 t=6=ab
T1 T2 T3 T4 T5 T6

Si r=4  N= tr = 24 unidades experimentales.

La distribución aleatoria y tiempo de vida se da en el esquema de campo.

T5=a2b2=45 T2=a1b2=35 T4=a2b1=46 T3=a1b3=32

T1=a1b1=41 T6=a2b3=39 T5=a2b2=48 T1=a1b1=40

T4=a2b1=49 T6=a2b3=36 T2=a1b2=40 T3=a1b3=35

 T5=a2b2=40 T1=a1b1=48 T4=a2b1=42 T3=a1b3=39

T4=a2b1=40 T2=a1b2=38 T5=a2b2=40 T1=a1b1=45

T2=a1b2=40 T6=a2b3=30 T3=a1b3=30 T6=a2b3=32

Los datos se pueden ordenar

a) Para los tratamientos:
Tratamientos
Repet. T1 T2 T3 T4 T5 T6
a1b1 a1b a 1b 3 a 2b 1 a 2b 2 a 2b
1 41 35 32 46 45 39
2 40 40 35 49 40 36
3 48 38 39 42 40 30
4= r 45 40 30 40 48 32
Xij. 174 153 136 177 173 137 950

b). Para los factores:

Factor B: Temperatura °F (j)
Factor A : b1 b2=7 b3=12
Material ( i ) =15 0 5 Xi.
41 35 32

a1= M1 40 40 35

463
48 38 39
 45 40 30

46 45 39

a2= M2 49 40 36
487
42 40 30

40 48 32

X.j 351. 326 273 950

Prueba de hipótesis.

a) Hipótesis

ai) Para los tratamientos:

H0 : 1 = 2 = 3 = . . . = 6

H1 : Al menos 1 tratamiento tiene efecto medio diferente a otro.

aii) Para el factor A:

H0 : 1 = 2

H1 : 1 ≠ 2

aii) Para el factor B:

H0 : 1 = 2 = 3

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente a otro

aiii) Para la interacción AB:

H0 : σAB = 0 La interacción es nula

H1 : σAB > 0 La interacción no es nula

b) Nivel de significación: α

Probabilidad de equivocarse fijado por el investigador; generalmente α=0.05

c) Función de prueba o fórmula (valor calculado) según ANOVA

T
F = =6 .50
E Para tratamientos

A
F = = 1.74
E Para factor A

B
F = = 14 . 39
E Para factor B

AB
F = = 0 .99
E Para factor interacción

d) Valor tabular : Tabla F

F tab = F(5,18; 0.95) = 2.77 Para tratamientos

F tab = F(1,18;0.95)= 4.41 Para factor A

F tab = F(2,18; 0.95) = 3.55 Para factor B

F tab = F(2,18; 0.95) = 3.55 Para interacción

e) Decisión
Rechazar H0 si F > Ftab
T
F = =6 .50
E > F tab = F(5,18; 0.95) =2.77 Se rechaza Ho (p<0.01)
A
F = = 1.74
E < F tab = F(1,18;0.95) = 4.41 Se acepta Ho (p>0.05)
 B
F = = 14 . 39
E > F tab = F(2,18;0.95) =3.55 Se rechaza Ho (p<0.01)

AB
F = = 0 .99
E < F tab = F(2,18; 0.95) = 3.55 Se acepta Ho (p>0.05)

Tabla de análisis de varianza (ANOVA)

Fuente de Grados Suma Cuadrado Prueba

variación de de medio F
(FV) libertad cuadrado (CM)=SC/gl
(gl) s
(SC)
Tratamientos 5 447.833 89.567 6.50**
A: 1 24.000 24.000 1.74 ns
B: 2 396.583 198.292 14.39**
AB 2 27.500 13.625 0.99 ns
Error 18 248.000 13.778=E
experim.
Total 23 695.833

t
∑ X 2ij, X 2. . . 1742 +1532 +136 2 +1772 + 1732 +1372 9 50. ..
2
i=1
T XX = − −
r N = 4 24 =447.833
a
∑ X 2i. . X 2.. .
2
4 632 +4 872 9 50. ..
j=1
A XX = − −
br N = 12 24 = 24.000
a
∑ X 2. J .. . X 2.. .
2
3 512 + 326 2 +2 732 9 50. ..
j=1
B XX = − −
ar N = 8 24 = 396.583
 AB XX = T XX - A XX - B XX =447.833 - 24 - 396.583 = 27.250

a b r
X 2. .. 2
950 .. .
W XX =∑ ∑∑ X 2i jk −
i=1 j=1 k =1 N = 38300 - 24 = 695.833

EXX = W XX −T XX = 695.833 – 447.833 = 248.000

Se puede complementar el análisis con las pruebas pos anova como Duncan y Tukey.

El paquete estadístico SPSS-26 reporta el análisis:

Pruebas de efectos inter-sujetos

Variable dependiente: datos rendimiento
Origen SC gl CM F Sig.
Tratamientos 447,833a 5 89,567 6,501 ,001
A: Material 24,000 1 24,000 1,742 ,203
B: Temper. 396,583 2 198,292 14,392 ,000
A*B 27,250 2 13,625 ,989 ,391
Error 248,000 18 13,778
Total correg. 695,833 23

a. R al cuadrado = ,644 (R al cuadrado ajustada = ,545)

Tratamient
os
1 2 3
HSD 3, 4 34,0
a,b
Tukey 00 000
6, 4 34,2
00 500
2, 4 38,2 38,2
00 500 500
5, 4 43,2
00 500
1, 4 43,5
00 000
 4, 4 44,2
00 500
Si ,597 ,250
g.
Duncana,b 3, 4 34,0
00 000
6, 4 34,2
00 500
2, 4 38,2 38,2
00 500 500
5, 4 43,2 43,2
00 500 500
1, 4 43,5 43,5
00 000 000
4, 4 44,2
00 500
Si ,142 ,073 ,723
g.
Se visualizan las medias para los grupos en los subconjuntos
homogéneos.
Se basa en las medias observadas.
b. Alfa = 0,05

Ejercicio.
Se reportan los resultados de una investigación experimental con dos factores: 3A y 4B.
El factor A tiene tres niveles: a1, a2, a3.
El factor B tiene cuatro niveles: b1, b2, b3, b4.
Los tratamientos:
a1b1= T1 a1b2= T2 a1b3=T3 a1b4= T4
a2b1= T5 a2b2= T6 a2b3= T7 a2b4= T8
a3b1= T9 a3b2= T10 a3b3= T11 a3b4= T12
a) Formular textual y claramente una posible investigación.
b) Realizar el análisis para comparar la igualdad de tratamientos, la igualdad de niveles
del factor A, la igualdad de niveles del factor B, y la interacción
c) Comparar parejas de tratamientos usando Tukey.
 T10=38 T11=39 T12=40 T1=32

T7=42 T9=34 T8=43 T12=40

T11=38 T1=30 T3=37 T12=38

T10=36 T6=41 T4=38 T1=29

T7=40 T9=36 T5=41 T6=39

T8=45 T2=35 T4=36 T12=37

T9=35 T6=41 T5=38 T1=24

T4=30 T7=43 T10=35 T3=38

T5=43 T11=41 T3=30 T2=30

T8=45 T6=39 T4=30 T10=39

T7=45 T2=36 T5=37 T11=36

T2=36 T3=34 T8=45 T9=35

2. EXPERIMENTO FACTORIAL EN UN DISEÑO EN BLOQUE COMPLETO AL AZAR

(clasificación cruzada).

Debe usarse cuando existe un campo experimental con unidades experimentales heterogéneas por la
presencia de una fuente de variación o factor de bloqueo.
El procedimiento del esquema de campo es similar al desarrollado en el diseño en bloque completos
al azar distribuyendo todos los tratamientos en todos y en cada uno de los bloques; Cada tratamiento
o combinación de tratamientos debe aparecer una y sola una vez en cada bloque. En este diseño en
bloques el número de bloques es igual al número de repeticiones r. Bloques es otro factor que no se
combina con los otros.
Esquema de campo para un experimento bifactorial A, B
A: a1, a2, a3 ( a=3)
B: b1, b2, ( b=2)
Los tratamientos: a1b1, a1b2, a2b1, a2b2, a3b1; a3b2 t=6=ab
T1 T2 T3 T4 T5 T6

Si existen 4 bloques  r=4  entonces N= tr = 24 unidades experimentales.

La distribución aleatoria puede ser:

a3b1 a2b2 a2b1 a1b2 a3b2

a1b1
152 154 Bloque 1
150 150 145 146

a1b2 a3b2 a2b2 a3b1 a2b1

a1b1
149 159 142 150 143
150
Bloque 2

a3b1 a2b1 a3b2 a1b2 a2b2

152 a1b1 Bloque 3
150 153 154 150
154

a3b2 a1b2 a3b1 a2b1

156 152
a1b1 a2b2 Bloque 4
160 157 158
157

Los datos pueden arreglarse de manera general de la siguiente manera.

Para los tratamientos y bloques:
Tratamientos ij

a1b1 a1b2 a1b3 … Total

bloques
Bloques k 1 2 3 X..k

t=ab
1 X111 X211 Xt11 X..1

2 X121 X212 Xt22 X..2

. . . . .
.
.
r X12r X21r Xabr X..r
Total tratam: X11. X12. X13. Xab. Xab.
Xij.
Para los factores:
Factor B (j)
Factor A ( i ) . . b Xi.
 1 2 3 .
X111 X121 . . . X1b1

1 X112 X122 . . . X1b2

X1..

X11r X12r . . . X1br

X211

2 X212 X2..

X21r

Xa11 Xa21 . . . Xab1

a Xa12 Xa22 . . . Xab2 Xa..

Xa1r Xa2r . . . Xabr

X.j X.1. X.2. X.b. X…

Interés :
Para un experimento bifactorial con factores A y B, El interés es comparar:
Los efectos medios de los tratamientos
Los niveles del factor A
Los niveles del factor B
La interacción AB
Los efectos medios de bloques (no siempre puede ser de interés)
Análisis.
Puede realizarse usando la prueba paramétrica F del análisis de varianza.

Procedimiento de prueba de hipótesis:

a) Hipótesis

ai) Para los tratamientos:

 H0 : 1 = 2 = 3 = . . . = t

H1 : Al menos 1 tratamiento tiene efecto medio diferente

aii) Para el factor A:

H0 : 1 = 2 = 3 = . . . = a

H1 : Al menos 1 nivel del factor A tiene efecto medio diferente

aiii) Para el factor B:

H0 : 1 = 2 = 3 = . . . = b

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente

aiv) Para la interacción AB:

H0 : σAB = 0 La interacción es nula

H1 : σAB > 0 La interacción no es nula

Nota: En algunos casos puede ser de interés comparar los efectos de los bloques.

Para el factor Bloques las hipótesis serían:

H0 : 1 = 2 = 3 = . . . = r

H1 : Al menos 1 nivel del factor Bloques tiene efecto medio diferente

b)Nivel de significación: α

Probabilidad de equivocarse fijado por el investigador; generalmente α=0.05

c)Función de prueba o fórmula (valor calculado)

 CMT
F =
CME Para tratamientos: Tabla análisis de varianza ANOVA

CM ( Factor )
F =
CME Para cada factor: Tabla análisis de varianza ANOVA

d)Valor tabular : Tabla F

F tab = F(t – 1, v; 1-α) Para tratamientos

F tab = F(a – 1, v; 1-α) Para factor A

F tab = F(b – 1, v; 1-α) Para factor B

F tab = F((a-1)(b – 1), v; 1-α) Para interacción

F tab = F(r – 1, v; 1-α) Para factor bloques

v: gl del ee del ANOVA

e) Decisión
Rechazar H0 si F > Ftab aceptar H1

Tabla de análisis de varianza (ANOVA)

Fuente de Grado Suma de Cuadrado Prueb

variación s de cuadrado medio a
(FV) liberta s (SC) (CM)=SC/gl F
d
(gl)
Tratamiento ab-1= t–1 TXX T T/E
s a-1 AXX A A/E
A b-1 BXX B B/E
 B
AB (a-1)(b – 1) ABxx AB AB/E
Bloques r-1 RXX R R/E

Error exper. (ab-1)(r-1)= v Exx E

Total abr-1= Wxx
N-1

donde:
t
∑ X 2iJ, X 2. ..
i =1
T xx= −
r N T xx = A xx + B xx + AB xx

a b
∑ X 2i. . ∑ X 2. . J.
i=1 X 2.. J=1 X 2. .
A XX = − B XX = −
br N ar N AB XX =T XX −A XX −BXX
r
∑ X 2. . K X 2.. .
k =1
Rxx = −
ab N

a b r
X 2.. .
W XX =∑ ∑ ∑ X 2i jk −
i=1 i=1 i=1 N

EXX = W XX−T XX - Rxx

Nota: Bloques es otro factor que no reporta interacción con los otros factores.

Ejemplo de factorial en el DBCA

Un proceso mecánico ofrece la posibilidad de utilizar residuos agrícolas en la elaboración de

alimento para ganado; con el propósito de encontrar los factores que reduzcan el consumo

de energía del proceso, se realizó un experimento con un diseño bifactorial considerando dos
factores de control. La humedad (A) y la presión (B), considerando a la vez cuatro tipos de

residuos agrícolas que configuran a bloques (Respuesta: consumo energía)

A: Humedad (80%, 83%, 86%)

B : Presión (40 Mpa, 50 Mpa)

A: a1, a2, a3 B: b1, b2

Bloques: r1, r2, r3, r4

Tratamientos: a1b1, a1b2, a2b1, a2b2, a3b1, a3b2

T1 T2 T3 T4 T5 T6 Bloque

a1b1 a3b1 a2b2 a2b1 a1b2 a3b2

150 145 146 152 154 residuo I
150

a1b2 a3b2 a2b2 a3b1 a2b1

a1b1
149 159 142 150 143
150
residuo II

a3b1 a2b1 a3b2 a1b2 a2b2

152 150 150
a1b1 residuo III
153 154 154

a3b2
residuo IV
a1b2 a3b1 a2b1
156 a1b1 a2b2
160 157 152 157 158

Los datos se pueden ordenar

b) Para los tratamientos y bloques:
Tratamientos
Bloq T1 T2 T3 T4 T5 T6

a1b1 a1b2 a2b1 a2b2 a3b1 a3b2 Bloq:X..k

1 150 152 146 145 150 154 897
2 150 149 143 142 150 159 893
 3 154 154 150 150 152 153 913
4 157 160 152 158 157 156 940
Trat:Xij. 611 615 591 595 609 622 3643

b). Para los factores:

B : Presión (j)
A: b1=40 Mpa b2=50 Mpa X i. Prueba de hipótesis.
Humedad( i ) .
150 152 a) Hipótesis
a1= 80% 150 149 1226
154 154 ai) Para los
157 160
tratamientos:
146 145
a2 = 83% 143 142 1186
H0 :
150 150
152 158 1 = 2 = 3
150 154
a3= 150 159 1231 = . . . = 6
86%
152 153
H1 : Al
157 156
X.j. 1811 1832 3643 menos 1

tratamiento

tiene efecto medio diferente

aii) Para el factor A:

H 0 : 1 = 2 = 3

H1 : Al menos 1 nivel del factor A tiene efecto medio diferente

aii) Para el factor B:

H0 : 1 = 2
 H1 : 1 ≠ 2

aiii) Para la interacción AB:

H0 : σAB = 0 La interacción es nula

H1 : σAB > 0 La interacción no es nula

aiv) Para bloques:

H 0 : 1 = 2 = 3 = 4

H1 : Al menos 1 bloque tiene efecto medio diferente

e) Nivel de significación: α

Probabilidad de equivocarse fijado por el investigador; generalmente α=0.05

f) Función de prueba o fórmula (valor calculado) según ANOVA

T
F = =4 . 385
E Para tratamientos

A
F = = 9. 404
E Para factor A

B
F = = 2 . 272
E Para factor B

AB
F = = 0 . 417
E Para factor interacción

R
F = = 9 .377
E Para bloques

g) Valor tabular : Tabla F

F tab = F(5,15; 0.95) = 2.901 Para tratamientos

F tab = F(2,15;0.95)= 3.682 Para factor A

 F tab = F(1,15; 0.95) = 4.543 Para factor B

F tab = F(2,15;0.95)= 3.682 Para interacción

F tab = F(3,15;0.95)= 3.287 Para bloques

e) Decisión
Rechazar H0 si F > Ftab
T
F = =4 . 385
E >F tab = F(5,15; 0.95) =2.901 Se rechaza Ho (p<0.05)
A
F = = 9. 404
E > F tab = F(2,15;0.95) = 3.682 Se rechaza Ho (p<0.05)
B
F = = 2. 272
E < F tab = F(1,15;0.95) =4.543 Se acepta Ho (p>0.05)
AB
F = = 0 . 417
E < F tab = F(2,15; 0.95) = 3.682 Se acepta Ho (p>0.05)
R
F = = 9.377
E > F tab = F(3,15;0.95) = 3.287 Se rechaza Ho (p<0.05)

Tabla de análisis de varianza (ANOVA)

Fuente de Grado Suma de Cuadrado Prueb

variación s de cuadrado medio a
(FV) liberta s (SC) (CM)=SC/g F
d l
(gl)
Tratamiento 5 177.208 35.442 4.385*
s 2 152.083 76.042 9.404*
A: humedad 1 18.375 18.375 *
B: Presión 2.272
AB 2 6.750 3.375 0.417
Bloques 3 227.458 75.819 9.377*
*
Error exper. 15= v 121.292 8.086=E
 Total 23 525.958

t
∑ X 2iJ, X 2. .. 6 11 2 +6 152 + 5 912 +5 952 + 6 092 +6 222 3643. ..
2
i =1
T xx= − −
r N = 4 24 =177.208
2
a
8972 +8932 +9132 +940 2 3643.. .
∑ X 2.J... X 2... = 6
−
24
RXX = j=1
− = 227.458
ab N

2
a b r
X 2.. . 3643...
W XX =∑ ∑ ∑ X 2i jk − 2 2 2 2
i=1 i=1 i=1 N = 150 +150 +154 ...+156 - 24 = 525.958

EXX = W XX−T XX - B = 525.958- 177.208-227.458 = 121.292

xx

La descomposición de los tratamientos: grados de libertad y suma de cuadrados:

a
∑ X 2i. . X 2.. 12262 +1186 2 +12312 3643. . .
2
i=1
A XX = − −
br N = 8 24 = 152.083
b
∑ X 2. . J. X 2. . 18112 +18322 3643. . .
2
J=1
B XX= − −
ar N = 12 24 = 18.375

AB XX =T XX −A XX −BXX = 177.208-152.083-18.375 = 6.750

Reporte de SPSS-26

Pruebas de efectos inter-sujetos

Variable dependiente: Edad gallina
Origen SC gl CM F Sig.
Tratamientos 177.208 5 35.442 4.383 ,012
A : humedad 152,083 2 76,042 9,404 ,002
B: Presión 18,375 1 18,375 2,272 ,152
A*B 6,750 2 3,375 ,417 ,666
BLOQUES:Ti 227,458 3 75,819 9,377 ,001
po residuo
Error 121,292 15 8,086
Total 525,958 23
corregido
a. R al cuadrado = ,769 (R al cuadrado ajustada = ,646)

TRA
TA Subconjunto
M N 1 2 3
HSD 3,00 4 147,7500
a,b
Tukey 4,00 4 148,7500
5,00 4 152,2500 152,2500
1,00 4 152,7500 152,7500
2,00 4 153,7500 153,7500
6,00 4 155,5000
Sig. ,081 ,601
a
Duncan 3,00 4 147,7500
,b
4,00 4 148,7500 148,7500
5,00 4 152,2500 152,2500
1,00 4 152,7500 152,7500
2,00 4 153,7500
6,00 4 155,5000
Sig. ,626 ,078 ,156

Ejercicio.
La producción de jarabes glucosados a partir de harina integral de amaranto es estudiada.
Con el interés de conocer la producción de hidrólisis de almidón en la enzima glucoamilasa
bajo los factores de concentración de sustrato (%) y tiempo (minutos) se obtuvieron los
siguientes datos codificados.
A: Sustrato (a=2)
B: tiempo (b=3)
Bloques: Tipo o variedad de amaranto (r=5)
El factor A tiene tres niveles: a1, a2.
El factor B tiene tres niveles: b1, b2, b3.
Los tratamientos:
a1b1= T1 a1b2= T2 a1b3=T3 a2b1= T4 a2b2= T5 a2b3= T6

.
a1b1 a1b2 a2b1 a2b2 a1b3 a2b3
84 94 78 82 83 74
Bloque I

a2b1 a1b2 a2b3 a1b1 a2b2 a1b3

79 97 76 92 84 80 Bloque II

a2b2 a1b2 a2b3 a1b3 a2b1 a1b1

87 92 70 86 84 86
Bloque III

a1b3 a2b3 a1b2 a2b1 a1b1 a2b2

85 78 90 75 90 80 Bloque IV

a1b2 a2b2 a2b3 a2b1 a1b19 a1b3

96 83 71 82 5 84
Bloque V

a) Realizar el análisis para comparar la igualdad de tratamientos, la igualdad de niveles

del factor A, la igualdad de niveles del factor B, y la interacción.
b) Realizar el análisis para comparar la igualdad de parejas de tratamientos, la igualdad
de parejas de niveles del factor B.
3. EXPERIMENTO FACTORIAL EN UN DISEÑO COMPLETAMENTE AL AZAR CON
CLASIFICACIÓN ANIDADA.

Los experimentos factoriales por la forma de combinar sus niveles pueden clasificarse en:
experimentos factoriales con clasificación cruzada, y en experimentos factoriales con clasificación
anidada.
En una clasificación cruzada los niveles de un factor se combinan con todos los niveles del otro factor;
así por ejemplo para un experimento factorial con clasificación cruzada donde el factor A tiene dos
niveles y el factor B tiene tres niveles los tratamientos se dan por las combinaciones de todos los
niveles de A y B;
si A: Temperatura de cocción B: nivel de pH y
A: a1, a2
B: b1, b2, b3
Los tratamientos t=6 a1b1, a1b2, a1b3, a2b1, a2b2, a2b3.

En una clasificación anidada, por la naturaleza de los niveles de los factores y por el interés de la
investigación, los niveles de un factor no pueden combinarse con todos los niveles del otro factor. Los
niveles de un factor(B) dependen de los niveles del otro factor(A).
Supongamos:
i) Se realiza un estudio para comparar dos tipos de máquinas: Eléctricas y solares. Para ello
utilizan tres máquinas diferentes de cada tipo y se observa los porcentajes de piezas defectuosas
fabricadas por cada máquina.
A: Tipo de máquina B: maquinas
A: a1, a2 a1= eléctrica a2: solar
B: b1, b2, b3 para a1=eléctrica y B: b4, b5, b6 para a2= solar
A partir de estos factores los datos Xijk y tratamientos pueden representarse de manera ordenada,
con r repeticiones.

Ai: tipo a1: eléctrica a2: solar

Bj(i):
marca  b1:M1 b2: M2 b3:M3 b4:M4 b5:M5 b6: M6

1 X111 X241
2 X112

r
X11k

Los niveles del factor B están en función de cada nivel del factor A.
En este caso se dice que el factor B está anidado en A: B(A);
También se dice que el factor A es el anidador y que el factor B es el anidado en A.
a
∑ b i.
Los tratamientos pueden representarse de la siguiente manera: t= i=1

a1b1, a1b2, a1b3; a2b4, a2b5, a2b6, cada tratamiento con r repeticiones.

ii)Se quiere evaluar el efecto de dos complementos vitamínicos basados en la chía y al sacha inchi
sobre el colesterol en la carne de pollo.
A: Complemento vitamínico (Chía, sacha inchi)
B: Dosis del complemento vitamínicos (10g, 15g, 20, para chía; 3g, 5g, 7g. para sacha inchi) B(A)
iii) Se va a comparar el efecto de tres métodos de secado de madera, pero en cada uno de los
métodos se toman diferentes tipos de madera
A: Métodos de secado de madera (M1, M2, M3)
B: Variedades de madera (pino, eucalipto para M1; caoba, ishpingo, ébano para M2; roble, nogal,
castaño, cerezo para M3)

Esquema de campo para un DCA

El esquema de campo, para a=2, b=3, en un diseño completamente al azar con r=4 para los
tratamientos a1b1, a1b2, a1b3; a2b4, a2b5, a2b6: T1, T2, … T6
r=4 N=24

T5=a2b5 T2=a1b2 T4=a2b4 T3=a1b3

T1=a1b1 T6=a2b6 T5=a2b5 T1=a1b1

T4=a2b4 T6=a2b6 T2=a1b2 T3=a1b3

T5=a2b5 T1=a1b1 T4=a2b4 T3=a1b3

T4=a2b4 T2=a1b2 T5=a2b5 T1=a1b1

T2=a1b2 T6=a2b6 T3=a1b3 T6=a2b6

Para facilitar el análisis los datos pueden arreglarse de manera general de la siguiente forma.
a)Para los tratamientos:
Tratamiento ij

a1b1 a1b2 a1b3 a2b4 ……. a abb

Repeticiones 1 2 3 . .
.
1 X111 X121 . . Xab1
.
2 X112 X122 . . Xab2
.
r X11r X12r . . Xabr
.
Xij. X11. X12. Xab.

b)Para los factores, con B anidado en A, suponiendo que a= 3, b=4 para cada Ai

Ai a1 a2 a3

Bj(A) b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12

X111 X121 X131 X1b1 X251 X221 X231 X2b1 Xa11 Xa21 Xa31 Xab1
X112 X122 X132 X1b2 X252 X222 X232 X2b2 Xa12 Xa22 Xa32 Xab2

X11r X12r X13r X1br X25r X22r X23r X2br Xa1r Xa2r Xa3r Xabr
X11. X12. X13. X14. X25. X26. X27. X28. X39. X310. X311. X312

Xi.. X1.. X2.. X3.. X…

r11 r12 r13 r14 r25 r26 r27 r28 r39 r310 r311 r312
rij
r1. r2. r3. N
r i.

Interés :
Para un experimento bifactorial con factores A y B, El interés es comparar:
Los efectos medios de los tratamientos
Los niveles del factor A
Los niveles del factor B(A)
Los niveles del factor B en a1
Los niveles del factor B en a2
Análisis.
Puede realizarse usando la prueba paramétrica F del análisis de varianza.
Suponer un experimento con dos factores A, B(A) en un DCA

Procedimiento de prueba de hipótesis:

a) Hipótesis

ai) Para los tratamientos:

H0 : 1 = 2 = 3 = . . . = t

H1 : Al menos 1 tratamiento tiene efecto medio diferente

aii) Para el factor A:

H0 : 1 = 2 = 3 = . . . = a

H1 : Al menos 1 nivel del factor A tiene efecto medio diferente

aiii) Para el factor B en todos los niveles de A; B(A):

H0 : 1 = 2 =..= b1 ; 4 = 5 =..= b2 ; … en cada uno de los niveles de

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente en algún nivel de

A
 aiv) Para el factor B en ai:

H0 : 1 = 2 = 3 = . . . = b(Ai)

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente en ai

b)Nivel de significación: α

Probabilidad de equivocarse fijado por el investigador; generalmente α=0.05

c)Función de prueba o fórmula (valor calculado)

T
F =
E Para tratamientos: Tabla análisis de varianza ANOVA

A
F =
E Para factor A: Tabla análisis de varianza ANOVA

B( A )
F =
E Para B en todos los niveles de A: Tabla análisis de varianza ANOVA

B ( A1 )
F =
E Para B en los niveles de A1: Tabla análisis de varianza ANOVA

B ( A2 )
F =
E Para B en los niveles de a2: Tabla análisis de varianza ANOVA

d)Valor tabular : Tabla F

F tab = F(t–1, v; 1-α) Para tratamientos

F tab = F(a – 1, v; 1-α) Para factor A

a
∑ (bi.−1 )
F tab = F( i=1 , v; 1-α) Para factor B
 F tab = F((bi-1), v; 1-α) Para cada factor B en ai

v: grados de libertad del error experimental del ANOVA

e) Decisión
Rechazar H0 si F > Ftab
Los valores F calculados se reportan en la tabla de análisis de varianza

Tabla de análisis de varianza para un DCA con dos factores en clasificación anidada
(ANOVA)

Fuente de Grados Suma de Cuadrado Prueb

variación de cuadrado medio a
(FV) libertad s (SC) (CM)=SC/ F
(gl) gl
Tratamiento t–1 TXX T T/E
s a-1 AXX A A/E
A
a
B(A)XX B(A) B(A)/E
B(A) ∑ (b. i.−1)
J =1

B(A1 b1-1 B(A1)xx B(A1) B(A1)/

) b2-1 B(A2)xx B(A2) E
B(A2 … B(A1)/
) E
…
Error N-t= v Exx E
experimenta
l
Total N-1 Wxx

a bi
∑ ∑ X 2ij, X 2.. . a b( i) r
X 2. ..
i=1 j=1
T xx= − W XX =∑ ∑∑ X 2i jk −
r ij N i=1 j=1 k =1 N Exx= W XX - Txx
Txx se descompone en Txx = Axx + B(A)XX
t
∑ X 2i. . , X 2. . .
i=1
= −
AXX ri . N
a bi
t
∑ ∑ X 2ij, ∑ X 2i. .,
i=1 j=1 i=1

B(A)XX= r ij -
r i. B(A)XX= B(A1)XX + B(A2)XX +…
bi bi
∑ X 21j. 2 ∑ X 22j . 2
j=1 X 1.. j=1 X 2..
− −
B(A1)XX= r 1j r 1 .. B(A2)XX= r 2j r 2 .. ….

Ejemplo.
Considere una compañía que compra materia prima de dos proveedores diferentes. La pureza de esta
materia prima varía considerablemente, lo cual ocasiona problemas en la manufactura del producto
terminado. Quiere determinarse si la variabilidad de la pureza es atribuible a las diferencias entre los
proveedores. Se seleccionan al azar tres lotes de materia prima de cada proveedor y se hacen cuatro
determinaciones de la pureza de cada lote.
A: proveedor (a1, a2)
b1, b2, b3: lotes de materia prima de proveedor 1
b4, b5, b6: lotes de materia prima de proveedor 2
Las combinaciones de niveles o tratamientos:
a1b1, a1b2, a1b3; a2b4, a2b5, a2b6.
T1 T2 T3 T4 T5 T6
cada tratamiento con r=4 repeticiones en un DCA
X: Pureza del producto terminado con datos codificados

T5=a2b5=50
T2=a1b2=36 T4=a2b4=45 T3=a1b3=40

T1=a1b1=38 T6=a2b6=47 T5=a2b5=52 T1=a1b1=38

T4=a2b4=43 T6=a2b6=43 T2=a1b2=40 T3=a1b3=41

 T5=a2b5=50 T1=a1b1=39 T4=a2b4=42 T3=a1b3=40

T4=a2b4=40 T2=a1b2=42 T5=a2b5=49 T1=a1b1=40

T2=a1b2=41 T6=a2b6=40 T3=a1b3=43 T6=a2b6=42

a1b3 : Producto con proveedor1(a1) , de lote 3 (b3)

a2b4 : Producto con proveedor1(a2) , de lote 4 (b4)
Ordenando los datos:

Para los factores, con B anidado en A, a= 2, b=3 en cada Ai

Rep. Proveed 1 Proveed 2 Total

a1b1 a1b2 a1b3 a2b4 a2b5 a2b6

1 38 36 40 45 50 47
2 38 40 41 43 52 43
3 39 42 40 42 50 40
4 40 41 43 40 49 42
155 159 164 170 201 172 1021

478 543 1021

4 4 4 4 4 4 24

12 12 24

Esta tabla permite en el análisis de varianza el cálculo de las fuentes de variación: tratamientos, A,
B(A), B(Ai), error experimental y total.

Análisis
a) Hipótesis
 ai) Para los tratamientos: proveedor y lote

H0 : 1 = 2 = 3 = 4 = 5 = 6

H1 : Al menos 1 tratamiento tiene efecto medio diferente

aii) Para el factor A: Proveedor

H0 : 1 = 2

H1 : 1  2

aii) Para el factor B(A):

H0 : 1 = 2 = 3 y 4 = 5 = 6 en cada uno de los niveles de A

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente en algún nivel de A

aiii) Para el factor B en a1: Lotes en proveedor1

H0 : 1 = 2 = 3

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente en a 1

aiv) Para el factor B en a2: Lotes en proveedor1

H0 : 4 = 5 = 6

H1 : Al menos 1 nivel del factor B tiene efecto medio diferente en a 2

b) Nivel de significación: α

Probabilidad de equivocarse fijado por el investigador; generalmente α=0.05

c) Función de prueba o fórmula (valor calculado)

T
F = =16 .55
E Para tratamientos: Tabla análisis de varianza ANOVA
A
F = =43 . 26
E Para factor A: Tabla análisis de varianza ANOVA
B( A )
F = = 9 . 87
E Para B en todos los niveles de A: Tabla ANOVA
 B ( A1)
F = =1 . 25
E Para B en los niveles de a1: Tabla ANOVA
B ( A2 )
F = =9 . 87
E Para B en los niveles de a2: Tabla ANOVA
d) Valor tabular : Tabla F
F tab = F(5, 18;0.95) = 2.77 Para tratamientos
F tab = F(1, 18; 0.95) = 4.41 Para factor A
F tab = F(4, 18;0.95) = 2.93 Para B en todos los niveles de A
F tab = F((2), 18;0.95)= 3.55 Para niveles o lotes de B en proveedor1.
F tab = F((2), 18;0.95)= 3.55 Para niveles o lotes de B en proveedor2.
e) Decisión
Rechazar H0 si F > Ftab
Tabla ANOVA

Fuente de Grados Suma de Cuadrado Prueba

variación de cuadrado medio F
(FV) libertad(g s (SC) (CM)=SC/
l) gl
Tratamiento 5 336.7083 67.3417 16.548*
s 1 176.0417 176.0417 *
A: 43.259*
Prove 4 *
40.1667
160.6667
B(A): 9.870**
lot
B(A1 2 5.0833 1.25 ns
) 2 10.1667 75.2500 18.49**
B(A2
) 150.5000
…
Error 18= v 73.2500 4.0694
experiment
al
Total 23 409.9583
 a bi
∑ ∑ X 2ij, X 2.. . 2
i=1 j=1 1552 + 1592 +. .+ 1722 1021. . .
T xx= − = −
r ij N 4 24 = 336.7083
2
a b( i) r
X 2. .. 1021.. .
W XX =∑ ∑∑ X 2i jk −
i=1 j=1 k =1 N = 382+ 382+ … +422 - 24 = 409.0417

Exx= W XX - Txx = 409.0417 – 176.0417 = 73.2500

t
∑ X 2i. . , X 2. . .
2
i=1 4782 +5432 1021. ..
= − −
AXX ri . N = 12 24 = 176.0417
a bi
t
∑ ∑ X 2ij, ∑ X 2i. ., 2 2 2 2 2
i=1 j=1 i=1 155 +156 +. .+172 478 +543
B(A)XX= r ij -
r i. = 4 - 12 = 160.6667

B(A)XX= Txx - AXX= 336.7083 – 176.0417= 160.6667

bi
∑ X 21j. X 21.. 2
j=1
− 1552 +1592 +1642 478. ..
r 1j r 1 ..
−
B(A1)XX= = 4 12 = 10.1667

bi
∑ X 22j . X 22.. 2
j=1
− 1702 +2012 + 1722 543.. .
r 2j r 2 ..
−
B(A2)XX= = 4 12 = 150.5000
A partir de los resultados del análisis de varianza:
- Para los tratamientos, se rechaza Ho Al menos un tratamiento tiene efecto medio diferente.
-Para el factor A, se rechaza Ho Existe diferencia entre los efectos medios de los dos proveedores
-Para el factor B en A, se rechaza Ho Al menos 1 lote de B tiene efecto medio diferente en al menos
1 proveedor
- Para el factor B en a1, no se rechaza Ho las tres lotes del proveedor1 no difieren en sus efectos
medios

- Para el factor B en a2, se rechaza Ho Al menos 1 lote de materia prima del proveedor 2 difiere en
sus efectos medios respecto a otro lote.
El paquete estadístico spss puede mostrar todos los resultados de manera parcial:

i)Para tratamientos:

ANOVA

Suma
de Media
cuadra cuadráti
dos gl ca F Sig.
Entre 336,70 5 67,342 16,548 ,000
grupos 8
Dentro de 73,250 18 4,069
grupos
Total 409,95 23
8

ii)Para Factores:

Pruebas de efectos inter-sujetos

Variable dependiente: datos
Origen SC gl CM F Sig.
Modelo 336,708 5 67,342 16,548 ,000
corregido
fertiliz 176,042 1 176,042 43,259 ,000
dosis 160,667 4 40,167 9,870 ,000
Error 73,250 18 4,069
Total 409,958 23
corregido

ANOVA

SC gl CM F Sig.
Entre 10,167 2 5,083 1,551 ,264
grupos
 Dentro 29,500 9 3,278
de
grupos
Total 39,667 11

iv) Para factor B en a2(entre lotes en proveedor2); solo considerar valor amarillo

ANOVA
datos
SC gl CM F Sig.
Entre 150,500 2 75,250 15,480 ,001
grupos
Dentro de 43,750 9 4,861
grupos
Total 194,250 11

Ejercicio
Se estudia el acabado de un producto agroindustrial fabricado en cuatro máquinas. Se conduce un
experimento en el que cada máquina es operada por tres operadores diferentes y se colectan y
prueban cinco ejemplares por máquina de cada operador. Debido a la ubicación de las máquinas se
usan operadores diferentes en cada máquina, y los operadores se eligen al azar. Los datos
ordenados se muestran en la tabla siguiente.
Máquina
M1 M2 M3 M4
Opera O1 O2 O3 O4 O5 O6 O7 O8 O9 O10 O11 O12
dor 
Repeti 80 93 49 93 85 76 88 65 48 56 58 61
62 92 54 88 90 79 75 60 54 62 63 58
ciones
64 90 65 86 82 88 80 70 52 55 55 52
72 85 60 92 89 95 78 72 55 60 62 55
75 88 63 86 80 88 79 64 55 62 60 60
Hacer el análisis y compare el rendimiento medio entre tratamientos, máquinas y entre
operadores dentro de cada máquina.