
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Asignatura: Psicologia, Profesor: MARIA ISABEL CASADO, Carrera: Terapia Ocupacional, Universidad: UCM
Tipo: Apuntes
1 / 1
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!

Diseños Factoriales
El objetivo de un diseño factorial es estudiar el efecto de varios factores sobre una o varias respuestas o características de calidad, es decir, lo que se busca es estudiar la relación entre los factores y la respuesta, con la finalidad de conocer mejor cómo es esta relación y generar conocimiento que permita tomar acciones y decisiones que mejoren el desempeño del proceso. Por ejemplo, uno de los objetivos particulares más importantes que en general tiene un diseño factorial es determinar una combinación de niveles de los factores en la cual el desempeño del proceso sea mejor que en las condiciones de operación actuales, es decir, encontrar nuevas condiciones de operación del proceso que eliminen o disminuyen cierto problema de calidad en la variable de salida.
Los factores pueden ser de tipo cualitativo (máquinas, tipos de material, operador, la presencia o ausencia de una operación previa, etc.) , o de tipo cuantitativo (temperatura, humedad, velocidad, presión, etc.). Para poder estudiar la manera en cómo influye cada factor sobre la variable respuesta, es necesario elegir al menos dos niveles de prueba para cada uno de ellos. Con el diseño factorial completo se corren aleatoriamente en el proceso todas las posibles combinaciones que pueden formarse con los niveles seleccionados.
Definición de experimento factorial
Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos experimentales o tratamientos que pueden formarse considerando todas las posibles combinaciones de los niveles de los factores. Por ejemplo, con k=2 factores ambos con dos niveles de prueba, se forma el diseño factorial 2x2=2^2 que consiste de cuatro combinaciones o puntos experimentales. Considerando otra vez k=2 factores, pero ahora con tres niveles y el otro con dos niveles se puede construir 3x combinaciones que dan lugar al diseño factorial 3x2.
Más en general, la familia de diseños factoriales 2 k^ consiste en k factores, todos con dos niveles de prueba; la familia de diseños 3k^ consiste de k factores cada uno con tres niveles de prueba.
Diseño Factorial 22
Supongamos que se tienen dos factores A: tiempo y B: velocidad , cada uno con dos niveles (bajo y alto), la respuesta es la cantidad de aditivo. En el experimento, cada tratamiento se corrió tres veces (tres réplicas) lo que da un total de 12 corridas del proceso. Por simplicidad sólo se muestra los resultados de la primera réplica:
Efecto principal y efecto de interacción
El efcto de un factor se define como el cambio observado en la variable respuesta debido a un cambio de nivel de tal factor. En particular los efectos principales, son los cambios en la media de la variable respuesta debido a la acción individual de cada factor. Matemáticamente el efecto principal de un factor es la diferencia entre la respuesta media observada cuando tal factor estuvo en su nivel más alto y la respuesta media observada cuando el factor estuvo en su nivel más bajo. Por ejemplo, para los datos de la tabla anterior están daos por: