¡Descarga RESUMEN ARREGLOS FACTORIALES y más Apuntes en PDF de Bioestadística solo en Docsity!
Capítulo V
Experimentos factoriales
Se llaman Experimentos Factoriales a aquellos experimentos en los que se estudia simultáneamente dos o más factores, y donde los tratamientos se forman por la combinación de los diferentes niveles de cada uno de los factores.
Los experimentos factoriales en si no constituyen un diseño experimental si no un Diseño de Tratamiento (un arreglo de tratamiento es una disposición geométrica de ellos bien en el espacio o en el tiempo y que deben ser llevados en cualquiera de los diseños experimentales clásicos tal como el Diseño Completo al Azar, el Diseño en Bloques Completos al Azar, el Diseño en Cuadrado Latino.
Los experimentos factoriales se emplean en todos los campos de la investigación, son muy útiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores. Muy frecuentemente usados en investigaciones comparativas.
Ventajas:
1.- Permiten estudiar los efectos principales, efectos de interacción de factores, efectos simples y efectos cruzados y anidados.
2.- Todas las unidades experimentales intervienen en la determinación de los efectos principales y de los efectos de interacción de los factores, por lo que el número de repeticiones es elevado para estos casos.
3.- El número de grados de libertad para el error experimental es alto, comparándolo con los grados de libertad de los experimentos simples de los mismos factores, lo que contribuye a disminuir la varianza del error experimental, aumentando por este motivo la precisión del experimento.
Desventajas:
1.- Se requiere un mayor número de unidades experimentales que los experimentos simples y por lo tanto se tendrá un mayor costo y trabajo en la ejecución del experimento.
2.- Como en los experimentos factoriales cada uno de los niveles de un factor se combinan con los niveles de los otros factores; a fin de que exista un balance en el análisis estadístico se tendrá que algunas de las combinaciones no tiene interés práctico pero deben incluirse para mantener el balance.
3.- El análisis estadístico es más complicado que en los experimentos simples y la interpretación de los resultados se hace más difícil a medida de que aumenta el número de factores y niveles por factor en el experimento.
Conceptos generales:
Factor.- Es un conjunto de tratamientos de una misma clase o característica. Ejemplo: tipos de riego, dosis de fertilización, variedades de cultivo, manejo de crianzas, métodos de enseñanza, tipos de liderazgo, tipos raciales, etc.
Factorial.- Es una combinación de factores para formar tratamientos.
Niveles de un factor.- Son los diferentes tratamientos que pertenecen a un determinado factor. Se acostumbra simbolizar algún elemento "i" por la letra minúscula que representa al factor y el valor del respectivo subíndice.
Ejemplo: A: Tipos de riego: Secano, Goteo, Aspersión Niveles: a 0 a 1 a 2
Tipos de factores:
1.- Factores Cuantitativos. 2.- Factores Cualitativos. 1.- Factores cuantitativos.- Son aquellos factores cuyos niveles son cantidades numéricas. Ejemplo: Factor A : Dosis de fertilización
Interacción por antagonismo
Las drogas (o factores) se combinan para producir un efecto inferior al que ellas exhiben por separado:
DROGA
A
DROGA
B
DROGA
AxB
Interacción
Interacción por Sinergismo
Interacción Aditiva: Las drogas (o factores) se combinan y producen un efecto igual a la suma de los efectos independientes de cada factor:
Algunos autores se refieren a la interacción como el efecto que se gana o se pierde cuando se combinan dos o más factores y hablan en
DROGA
A
DROGA
B
DROGA
AxB
Interacción
Interacción por Antagonismo
DROGA
A
DROGA
B
DROGA
AxB
Interacción
Interacción Aditiva
2.- Que factores son fijos (modelo I) y que factores son al azar (modelo II).
3.- Cuántos niveles se tiene por factor. 4.- Si son factores cuantitativos, cual debe ser el espaciamiento entre los niveles del factor.
Por ejemplo: 0%, 5% y 10% de nitrógeno, significa igual espaciamiento.
Tipos de experimentos factoriales:
Los experimentos factoriales para un determinado diseño se diferencian entre si, por el número de factores y por la cantidad de niveles de estos factores que intervienen en el experimento.
Para simbolizar se usa la letra del factor: pA x qB dos factores "A y "B", con "p" niveles para "A" y "q" niveles para "B" 2A 2B = 2A x 2B ó 2 x 2 ó 2^2 Número de niveles de cada factor lo cual permite evaluar (4 tratamientos). 3A 3B = 3A x 3B ó 3 x 3 ó 3^2 Número de niveles (9 tratamientos). 4A 4B = 4A x 4B ó 4 x 4 ´ó 4^2 Número de niveles (l tratamientos).
Efectos de los experimentos factoriales:
1.- Efecto principal.- Es una medida del cambio en el promedio entre los niveles de un factor, promediado sobre los diferentes niveles del otro factor. Ejemplo: Dosis de Nitrogeno en las U.E.
2.- Efecto interacción.- Es una medida de cambio que expresa el efecto adicional resultante de la influencia combinada de dos o más factores.
Ejemplo: Efecto conjunto de nitrógeno y fósforo.
3.- Efecto simple.- Es una medida de cambio en los promedios de los niveles de un factor, manteniendo constante, uno de los niveles del otro factor.
Ejemplo: Efecto de nitrógeno ante la presencia de 5% de fósforo.
Gráfico de la interacción:
La interacción de los factores se representa gráficamente; la tendencia indica el grado de interacción entre los factores, la cual aumenta a medida que las líneas tiendan a cruzarse.
En los siguientes gráficos se muestran los casos posibles de interacción en dos factores: A con 3 niveles y B con 2 niveles. En el eje "X" se registra los niveles de A y en el eje "Y" los promedios de la interacción de "A" y "B". Los puntos son unidos por una línea de tendencia, para cada nivel de "B".
Interacción Fuerte:
Experimento factorial (pxq) conducido en DBCA
Ejemplo práctico:
Con el objeto de averiguar la estabilidad de la vitamina C en concentrado de jugo de naranja (congelado, reconstituido) que se almacena en un refrigerador por un periodo de hasta una semana, se probaron 3 marcas del jugo de naranja, a 3 diferentes tiempos. Estos últimos se refieren al número de días que transcurren desde que el jugo de naranja se mezcla hasta que se somete a la prueba. La información se recogió de 4 diferentes muestras, provenientes de 4 diferentes operarios. Los resultados expresados en miligramos de ácido ascórbico por litro se presentan a continuación:
Factor M : (marca): M 1 , M 2 , M 3 Factor T : (tiempo, días) : T 1 (3 días), T 2 (5 días), T 3 (7 días) Bloques : (Operarios) : B 1 , B 2 , B 3 , B 4
ao a1 a
Interacción Fuerte
Las líneas de Tendencia se entrecruzan
b
b
M1 M2 M BLOQ T1 T2 T3 T1 T2 T3 T1 T2 T3 TOTAL 1 2 3 4
TOTAL 203.1 202.0 209.9 194.6 179.2 192.8 179.5 178.4 184.7 1724. M1 = 615.0 M2 = 566.6 M3 = 542. T1 = 577.2 T2 = 559.6 T3 = 587.
Donde:
i: 1, 2, 3 (Marca) j : 1, 2, 3 (Tiempo) k : 1, 2, 3, 4 (Operario)
Se pide:
a. Presente el Modelo Aditivo Lineal (M.A.L.) e interprete cada uno de sus componentes en términos del problema. b. Realice el Análisis gráfico de la interacción. ¿Qué comentario puede Ud., realizar al respecto ?. c. Realice el Análisis de Variancia. De sus conclusiones con alpha =
d. Realice la Prueba de Duncan para el Factor Marca de Jugo de Naranja. Use alpha = 0.
Algunos diseños experimentales clásicos
Un diseño experimental es una regla que determina la asignación de las unidades experimentales a los tratamientos. Aunque los experimentos difieren unos de otros en muchos aspectos, existen
El diseño en bloques más simple es el denominado diseño en bloques completos, en el que cada tratamiento se observa el mismo número de veces en cada bloque.
El diseño en bloques completos con una única observación por cada tratamiento se denomina diseño en bloques completamente aleatorizado o, simplemente, diseño en bloques aleatorizado.
Cuando el tamaño del bloque es inferior al número de tratamientos no es posible observar la totalidad de tratamientos en cada bloque y se habla entonces de diseño en bloques incompletos.
3. Diseños con dos o más factores bloque:
En ocasiones hay dos (o más) fuentes de variación lo suficientemente importantes como para ser designadas factores de bloqueo. En tal caso, ambos factores bloque pueden ser cruzados o anidados.
Los factores bloque están cruzados cuando existen unidades experimentales en todas las combinaciones posibles de los niveles de los factores bloques.
Diseño con factores bloque cruzados. También denominado diseño fila-columna , se caracteriza porque existen unidades experimentales en todas las celdas (intersecciones de fila y columna).
El modelo matemático de este diseño es:
Los factores bloque están anidados si cada nivel particular de uno de los factores bloque ocurre en un único nivel del otro factor bloque.
4. Diseños con dos o más factores:
En algunas ocasiones se está interesado en estudiar la influencia de dos (o más) factores tratamiento, para ello se hace un diseño de filas por columnas. En este modelo es importante estudiar la posible interacción entre los dos factores. Si en cada casilla se tiene una única observación no es posible estudiar la interacción entre los dos factores, para hacerlo hay que replicar el modelo, esto es, obtener k observaciones en cada casilla, donde k es el número de réplicas.
El modelo matemático de este diseño es:
Para dos factores:
Y A B A * B
Para tres factores:
Y A B C A * B A * C B * C A * B * C
Para cuatro factores:
A B D B C D A C D A B C D
Y A B C D A B A C A D B C B D C D A B C
Generalizar los diseños completos a más de dos factores es relativamente sencillo desde un punto de vista matemático, pero en su aspecto práctico tiene el inconveniente de que al aumentar el número de factores aumenta muy rápidamente el número de observaciones necesario para estimar el modelo. En la práctica es muy raro utilizar diseños completos con más de 5 factores.
Un camino alternativo es utilizar fracciones factoriales que son diseños en los que se supone que muchas de las interacciones son nulas, esto permite estudiar el efecto de un número elevado de
(cuanto mayor sea p menor número de observaciones se necesita pero mayor confusión de efectos se supone).
En los últimos años Taguchi ha propuesto la utilización de fracciones factoriales con factores a tres niveles en problemas de control de calidad industrial.
Diseños Anidados o Jerarquizados
Los diseños anidados o jerarquizados son arreglos factoriales de tratamientos, donde un factor se encuentra encajado (anidado o jerarquizado) dentro de otro y este a su vez dentro de otro. Esta disposición permite que se prueben ciertos niveles y no otros. Permite que se prueben sólo los niveles que incluye el investigador. Si se concibe de esta forma se considera como una estrategia de control de la variación con la intención de reducir la variación debida al error experimental. Suele confundirse con el arreglo factorial cruzado. Ejemplo sea un factorial de tres factores cruzados del tipo (2x2x3):
Factor a SEXO
Factor b VITAMINA
Factor c MINERAL
Variable respuesta Pesos= kilogramos a (varón)
a (mujer)
b1 (500)
b2 (1000)
b1 (500)
b2 (1000)
c1 (20%) c2 (40%) c3 (80%) c1 (20%) c2 (40%) c3 (80%) c1 (20%) c2 (40%) c3 (80%) c1 (20%) c2 (40%) c3 (80%)
En un ejemplo de nutrición puede considerarse: factor a (ao=varón, a1=mujer), factor b (b1=vitamina 500 UI, b2= vitamina 1000 UI) y un tercer factor c (c1=mineral 20%, c2=mineral 40% y c3=mineral al 80%). La variable respuesta es el aumento de peso experimentado por el sujeto en un período de 4 meses. De esta forma se dice que b está cruzado con a por ser los mismos niveles; c está cruzado con b por ser los mismos niveles; c está cruzado con a por ser los mismos niveles. Pero si introducimos un cambio en el diseño anterior así, cambiamos o queremos probar intencionalmente niveles de vitaminas y minerales diferentes tendremos:
Factor a (SEXO)
Factor b (VITAMINA)
Factor c (MINERAL)
Variable respuesta Peso =Kgr a (varón)
a (mujer)
b1 (500)
b2 (1000)
b1 (300)
b2 (2000)
c1 (20%) c2 (40%) c3 (80%) c1 (25%) c2 (45%) c3 (65%) c1 (12%) c2 (13%) c3 (14%) c1 (30%) c2 (40%) c3 (50%)
En este nuevo arreglo los factores vitaminas y minerales que están encajados por sexo no son los mismos. Esta disposición nos lleva a afirmar que el diseño está anidado: b dentro de a y c dentro de b y a. Las dos disposiciones experimentales conllevan a análisis estadísticos diferentes porque el primero incluye interacciones y el segundo no.
(c) Hay replicación
Ejemplo de aplicación de un factorial Un fabricante de alimentos prueba varias composiciones de un jugo de naranja. Se prueban tres niveles de dulzura (alto, medio, bajo) en combinación con dos niveles de acidez (bajo, alto) y dos coloraciones Natura (1) y Artificial (0). Seis personas califican cada combinación en una escala del 1 al 99. Las calificaciones son las siguientes:
Dulzura Acidez Color Calificación 1 1 1 40 35 45 42 48 45 1 1 0 62 56 60 54 60 65 1 2 1 38 32 50 40 46 35 1 2 0 60 50 48 61 55 53 2 1 1 45 56 50 45 55 48 2 1 0 72 56 63 75 67 68 2 2 1 47 53 46 52 56 47 2 2 0 60 66 56 64 72 70 3 1 1 35 50 35 40 43 35 3 1 0 56 48 52 45 59 52 3 2 1 25 35 30 24 34 34 3 2 0 40 36 32 31 34 38
Matriz de Datos en Statistix Cuando vamos a crear la matriz de datos debemos tener cuidado en crear una variable para cada factor y prever una variable adicional para las interacciones (combinaciones en este caso: 12 en total): La matriz de datos aparece en el CD-ROM en el archivo: JUGO.SX. La secuencia de instrucciones es: STATISTICS>LINEAR MODELS>ANALISIS DE VARIANZA>GENERAL AOV/AOCV
Caja de dialogo Incluye la variable dependiente (aquí se declara (la calificación del jugo) y en las instrucciones del modelo de ANOVA incluiremos los factores principales y sus interacciones, es decir: Variable dependiente: califica Instrucciones del Modelo: A B C AB AC BC AB*C O TAMBIÉN: ALL(A B C) instrucción abreviada que genera todas y cada una de las interacciones, así como los efectos principales.
El resumen de los resultados de las pruebas F es:
Fuentes de variación (^) gl Sumas de cuadrados
Valor F
Valor P
Dulzura 2 4149,53 75,51 0, Acidez 1 624,22 22,72 0, DulzuraAcidez 2 488,53 8,89 0, Color 1 3200,00 116,46 0, DulzuraColor 2 203,08 3,70 0, AcidezColor 1 80,22 2,92 0, DulzuraAcidez*Color 2 24,19 0,44 0,
Conclusiones (1) Las calificaciones del jugo variaron por: Dulzura, Acidez, Color y por la interacción DulzuraColor y DulzuraColor. (2) Las calificaciones del jugo fueron iguales por: Acidez*Color y Dulzura, Acidez y Color. (3) Es conveniente verificar a continuación ¿Cuál combinación es mejor, entre Dulzura y Color? ¿Cuál combinación es mejor, entre Dulzura y Acidez?
Verificar las combinaciones Dulzura por Color y Dulzura por Acidez
