ARREGLOS FACTORIALES
CARACTERÍSTICAS
Son aquellos en
donde se evalúan
simultáneamente
dos o más factores.
CARACTERÍSTICAS
Pueden considerarse dos tipos fundamentales de
experimentos factoriales:
a) factorial completo, el cual ensaya todas las posibles
combinaciones de tratamientos que se generan con los
distintos niveles de los factores en estudio.
b) factorial fraccionado, el cual ensaya solo alguna de
las posibles combinaciones de tratamientos que
pueden generarse.
CARACTERÍSTICAS
Dentro de los factoriales completos pueden
distinguirse los factoriales simétricos en donde cada
factor presenta igual número de niveles, pudiéndose
representar mediante la notación p n , siendo p el
número de niveles de los factores y n el número de
factores, ejemplo: 3 2 indica que tenemos 2 factores
con 3 niveles cada uno, y en total tendremos 9
tratamientos. Y los asimétricos en donde cada factor
presenta desigual número de niveles, pudiendo
representarse como p x q, siendo p y q los niveles del
factor A y del factor B, respectivamente.
CARACTERÍSTICAS
En experimentos asimétricos
trifactoriales el número de
combinaciones es a * b * c,
donde cada literal representa
el número de tratamientos de
cada factor.
CONCEPTOS FUNDAMENTALES
Factor: Un factor es cada una de las variables
independientes, cuyo efecto se está
interesado en evaluar. Generalmente se
denotan con letras mayúsculas (A,B, . . . Z o
con las iniciales de los factores a probar). Los
factores pueden ser cuantitativos (cantidad de
fertilizante, de insecticida, una hormona, de
tiempo, temperatura, concentración, etc.) o
cualitativos (variedades, métodos de
aplicación, marcas de producto, razas,
procedencia, etc.).
CONCEPTOS FUNDAMENTALES
Nivel: Un nivel de un factor es cada uno de los
valores o modalidades que constituyen un factor. Si
el factor es cuantitativo, los niveles están formados
por las cantidades o dosis del mismo; si el factor es
cualitativo los niveles los constituyen las
manifestaciones del mismo o los tratamientos
dentro del factor (nombres de las variedades,
diferentes métodos de aplicación, las diferentes
marcas del producto, las diferentes razas, etc.). Por
lo general se identifican con letras minúsculas (a1,
a2, . . . ; b1, b2, . . .; v1, v2, . . .; etc.)
INTERACCIÓN E INDEPENDENCIA
ENTRE FACTORES
Ejemplo:
Experimento bifactorial que consiste en evaluar tres
niveles de nitrógeno (lbs):
Nivel 1: 100
Nivel 2: 150
Nivel 3: 200
En dos variedades de plantas:
Variedad 1
Variedad 2
La variable respuesta: Crecimiento en cms.
Los datos (supuestos) de los cuadros presentados son
promedios de las combinaciones
INTERACCIÓN E INDEPENDENCIA
ENTRE FACTORES
Caso I: Independencia entre factores:
Ocurre cuando los niveles de un factor (en
este caso niveles de nitrógeno) influyen de
manera similar sobre los niveles del otro
factor.
Variedad 1 Variedad 2
Nivel 1 5 10
Nivel 2 10 15
Nivel 3 15 20
INDEPENDENCIA ENTRE FACTORES
INTERACCIÓN E INDEPENDENCIA
ENTRE FACTORES
Caso II: Interacción entre factores:
Ocurre cuando los niveles de un factor (en
este caso niveles de nitrógeno) influyen de
manera diferente sobre los niveles del otro
factor.
Variedad 1 Variedad 2
Nivel 1 15 10
Nivel 2 10 15
Nivel 3 5 20
INTERACCIÓN ENTRE FACTORES
INTERACCIÓN E INDEPENDENCIA
ENTRE FACTORES
Caso III: Posible interacción entre factores:
Esto equivale a decir posible interacción,
posible independencia entre factores, debido
a que no se define una tendencia clara del
comportamiento de los niveles de un factor
por la influencia del otro factor.
Variedad 1 Variedad 2
Nivel 1 5 12
Nivel 2 15 18
Nivel 3 16 25
POSIBLE INTERACCIÓN ENTRE FACTORES
ARREGLO
BIFACTORIAL
COMBINATORIO
CARACTERÍSTICAS
Ocurre cuando se desarrollan
simultáneamente en una
investigación dos factores.
MODELO ESTADÍSTICO
Yijk = U + Ai + Bj + AiBj + Rk + Eijk
Lo cual significa que la variable respuesta Yijk está
en función de la media general (U) del efecto del i-
ésimo nivel del factor A (Ai), del efecto del j-ésimo
nivel del factor B (Bj), de la interacción entre el i-
ésimo nivel del factor A con el j-ésimo nivel del
factor B (AiBj), del efecto del K-ésimo bloque o
repetición (Rk) y del error experimental asociado a
la i-j-k-ésima unidad experimental (Eijk) . Bajo los
supuestos del modelo de muestreo ideal, los
términos de error asociados a cada una de las
observaciones se suponen independientemente
distribuidos, normales con esperanza 0 y varianza
constante.
PROCESO DE ALEATORIZACIÓN, BAJO EL
DISEÑO DE BLOQUES AL AZAR
FACTOR A: TA1, TA2, TA3… TAn
FACTOR B: TB1, TB2, TB3… TBn
Número de combinaciones: p * q
Se realizan las combinaciones respectivas:
TA1TB1, TA1TB2, TA1TB3, TA2TB1, TA2TB2,
TA2TB3… TAnTBn
Cada combinación se maneja como un
tratamiento.
PROCESO DE ALEATORIZACIÓN
Puede ser cualquiera de los diseños
experimentales mencionados, en este caso
se escoge el de bloques al azar.
Número de repeticiones GLE = (t-1)(r-1) = 12
Número de unidades experimentales = t*r
Distribución de los tratamientos al azar a las
unidades experimentales para definir el
croquis de campo de la investigación.
DISEÑO
Repetición I
TA1TB2 TA2TB2 TA2TB3 TA3TB1 … … … … TAnTBn
Repetición II
TA3TB2 TA1TB1 TA3TB2 TA1TB2 … … … … TAnTBn
Repetición III
TA2TB1 TA1TB3 TA3TB2 TA2TB3 … … … … TAnTBn
Repetición n
TAnTBn … … … … … … … TAnTBn
EJERCICIO
• Evaluación de tres variedades de cebolla y tres densidades de
siembra.
• Factor A: Variedades de cebolla.
• Cebolla blanca
• Cebolla morada
• Cebolla amarilla
• Cebolla criolla (testigo)
• Factor B: Distancias de siembra.
• 5 cms entre planta por 25 cms entre surco
• 10 cms entre planta por 25 cms entre surco
• 15 cms entre planta por 25 cms entre surco
• 7 cms entre planta por 25 cms entre surco (testigo)
• Desarrolle todo el procedimiento de Arreglo bifactorial
combinatorio bajo el diseño completamente al azar, hasta el
diseño de campo del experimento.
ANÁLISIS DE VARIANZA DE UN ARREGLO
BIFACTORIAL COMBINATORIO
Planteamiento de hipótesis:
Hipótesis nulas (Ho):
Ai = a para todo i (todos los niveles del factor A son iguales)
Bj = b para todo j (todos los niveles del factor B son iguales)
No existe interacción entre los niveles del factor A con respecto
a los niveles del factor B
Hipótesis alternativas (Ha):
Ai ≠ a para al menos un i (Al menos un nivel del factor A es
diferente)
Bj ≠ b para al menos un j (Al menos un nivel del factor B es
diferente)
Hay interacción entre los niveles del factor A con respecto a los
niveles del factor B
PROCEDIMIENTO ARREGLO BIFACTORIAL
COMBINATORIO BAJO EL DISEÑO
COMPLETAMENTE AL AZAR
Para un ANDEVA del arreglo bifactorial combinatorio, los datos
deben ordenarse de la siguiente manera:
Origen Dósis Rendimiento
Guate 1.5 1.5
Guate 1.5 1.8
Guate 1.5 2
Guate 1.5 2.1
Guate 3 1.8
Guate 3 1.6
Guate 3 1.6
Guate 3 2.2
Guate 4.5 1.4
Guate 4.5 1.7
Guate 4.5 1.7
Guate 4.5 1.3
Mex 1.5 0.9
Mex 1.5 1.1
Mex 1.5 1
Mex 1.5 1.2
Mex 3 0.8
Mex 3 1
Mex 3 1.2
Mex 3 1.4
Mex 4.5 0.7
Mex 4.5 1.3
Mex 4.5 1.3
Mex 4.5 1.5
PROCEDIMIENTO ARREGLO BIFACTORIAL
COMBINATORIO BAJO EL DISEÑO
COMPLETAMENTE AL AZAR
Para los diseños factoriales, es necesario agregar las
interacciones, por lo que debe hacerse clic en la casilla de
agregar interacciones y aparecerán las interacciones, tal
como se muestra en las siguientes figuras, en donde una no
presenta interacciones y la otra presenta la interacción:
origen*dosis, luego se acepta y aparece el análisis.
PROCEDIMIENTO ARREGLO BIFACTORIAL
COMBINATORIO BAJO EL DISEÑO
COMPLETAMENTE AL AZAR
Es necesario que se identifique cual es el factor A y cuál el
factor B, para poder colocarlo de esa forma en el arreglo de
los datos en Excel y así lo identifique el programa.
SUPUESTOS
VERIFICACIÓN DE LOS SUPUESTOS
NORMALIDAD
Prueba gráfica del QQ Plot
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Título
Versión Estudiantil Versión Estudiantil Versión Estudiantil
Cuantiles observados(RDUO_Rendimiento)
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.44 n= 24 r= 0.992 (RDUO_Rendimiento)
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.21
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
-0.03
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
-0.26
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
-0.50
Versión Estudiantil Versión Estudiantil
-0.50 Versión
-0.26Estudiantil
-0.03Versión Estudiantil
0.21 Versión
0.44 Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
Cuantiles de una Normal(2.0817E-017,0.05163) Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Puede observase que los residuos se alinean sobre una línea recta y
puede asumirse que existe normalidad, pero es necesario realizar una
prueba formal para concluir mejor.
VERIFICACIÓN DE LOS SUPUESTOS
NORMALIDAD
Prueba de hipótesis de Shapiro Wilks
H0: los residuos tienen distribución normal
H1: los residuos no tienen distribución normal.
En este caso no hay evidencia estadística para
rechazar el supuesto de distribución normal
(p=0.7896) ya que el p valor es mayor al nivel de
significancia utilizado 0.05
VERIFICACIÓN DE LOS SUPUESTOS
Homogeneidad de Estudiantil
Versión Estudiantil Versión varianza: Se obtiene
Versión Estudiantil la siguiente
Versión Estudiantil Versión Estudiantil gráfica
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Título
Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.44
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
RDUO_Rendimiento
0.20
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
-0.05
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión-0.30
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil-0.55
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil
1.01 Versión
1.23Estudiantil1.45Versión Estudiantil
1.67 Versión
1.89 Estudiantil
Versión Estudiantil Versión EstudiantilPRED_Rendimiento
Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Puede observarse que no sigue un patrón por lo que se deduce
que hay homogeneidad de varianza.
VERIFICACIÓN DE LOS SUPUESTOS
Homogeneidad de varianza:
Ho. = Todas las varianzas son iguales
Ha. = Al menos dos varianzas son distintas
Puede obser varse en la prueba que el p-valor de tratamiento es
0.8717, mayor al nivel de significancia utilizado (0.05) por lo que
no existe evidencia estadística para rechazar la hipótesis nula,
concluyendo que todas las varianzas son iguales.
VERIFICACIÓN DE LOS SUPUESTOS
INDEPENDENCIA: Es necesario que se
garantice un buen proceso de aleatorización
ya que de esa forma se asegura el
cumplimiento del supuesto de independencia.
Al revisar todos los supuestos del muestreo
ideal y al dar cumplimiento a los mismos, se
pueden realizar las decisiones y conclusiones
respectivas, basándose en la información que
se tiene.
PROCEDIMIENTO ARREGLO BIFACTORIAL
COMBINATORIO BAJO EL DISEÑO
COMPLETAMENTE AL AZAR
Debe de realizarse el análisis respectivo e
identificar si hay significancia para recomendar
la realización de las pruebas post-Andevas
(Pruebas múltiples medias) respectivas.
En el caso de la interacción A*B (Origen*Dosis)
el p-valor es 0.1782 que es mayor a 0.05 por lo
que no se rechaza la Ho. Indicando que no
existe interacción entre los niveles del factor A
con los niveles del Factor B.
PROCEDIMIENTO ARREGLO BIFACTORIAL
COMBINATORIO BAJO EL DISEÑO
COMPLETAMENTE AL AZAR
Para el ejemplo puede observarse que en el Factor A
(Origen) tiene un p-valor <0.0001 que es menor a 0.05
por lo que se rechaza la Ho y no se rechaza la Ha, es
decir, existe diferencia estadística en los niveles del
Factor A.
En el caso del Factor B el p-valor es 0.7377 que es mayor
a 0.05 por lo que no se rechaza la Ho, es decir, no hay
diferencia estadística en los niveles del Factor B.
RECOMENDACIÓN: Realizar una prueba múltiple de
medias al Factor A.
TABLA PARA APLICAR PRUEBAS MÚLTIPLES DE
MEDIAS EN UN BIFACTORIAL COMBINATORIO
FV CASO 1 CASO 2 CASO 3 CASO 4 CASO 5 CASO 6
A * * NS * * NS
B * NS * * NS *
AB * * * NS NS NS
Aplicar prueba de
AB AB AB AyB A B
medias
PROCEDIMIENTO ARREGLO BIFACTORIAL
COMBINATORIO BAJO EL DISEÑO
COMPLETAMENTE AL AZAR
Los resultados de la prueba múltiple de medias es el
siguiente, emita sus propias conclusiones
EJERCICIO
Se realizó un estudió sobre el efecto de diferentes dosis de fertilizante
fosforado sobre dos tipos de planta de haba (Vicia faba). Se pensó que los
tipos de plantas bien podían responder en forma diferente a la fertilización,
así que se decidió llevar a cabo un experimento factorial con dos factores:
El experimento se llevo a cabo en un diseño en bloques al azar en arreglo
combinatorio, con cuatro repeticiones. Los resultados (producción en
kg/ha) se aprecian en el siguiente cuadro:
EJERCICIO
Producción (Kg/ha) de dos tipos de haba con diferentes niveles de
fertilización de fósforo.
Elabore el gráfico correspondiente e indique si existe o no
interacción emitiendo un análisis de su resultado. Además
realice el análisis estadístico respectivo.
