INSTITUTO TECNOLOGICO DE DURANGOESTADISTICA INFERENCIAL II
DISEÑOS FACTORIALES
Ana Lucia Calderon Montenegro
Introduccion a diseños factoriales
Los diseños factoriales son una estrategia experimental utilizada en estadística para estudiar simultáneamente los efectos de dos o más factores (variables independientes) sobre una variable dependiente. Son especialmente útiles cuando se quiere entender no solo los efectos individuales de cada factor, sino también cómo interactúan entre sí
Los diseños factoriales se utilizan cuando se desea estudiar más de un factor al mismo tiempo y entender cómo interactúan entre sí. Son especialmente útiles en contextos donde se busca eficiencia, profundidad analítica y generalización de resultados.
Ventajas clave de los diseños factoriales
- Mayor eficiencia experimental
Se obtienen más resultados con menos ensayos, ya que se estudian varios factores simultáneamente.
- Detección de interacciones
Permiten identificar si el efecto de un factor depende del nivel de otro, algo que los diseños de un solo factor no pueden detectar.
- Generalización de resultados
Al considerar múltiples condiciones, los hallazgos son más robustos y aplicables a situaciones reales.
- Ahorro de recursos
Se reduce el número total de experimentos necesarios en comparación con realizar estudios separados para cada factor.
- Mayor poder estadístico
Al incluir más información en el análisis, se mejora la precisión de las estimaciones y se reduce el error experimental.
- Flexibilidad en el análisis
Se pueden incluir factores cualitativos y cuantitativos, así como bloques o repeticiones, adaptándose a distintos contextos.
Diseño (Factoriales completos de dos niveles)
En estadística, el diseño (o diseño experimental) es el conjunto de métodos y procedimientos utilizados para planificar, ejecutar y analizar un experimento de forma que se obtenga información válida, precisa y eficiente sobre una o más variables de interés.
Importancia del numero 2 (2 niveles: Maximo y minimo)
La importancia del número dos en los diseños factoriales a dos niveles radica en su simplicidad, eficiencia y capacidad para detectar efectos e interacciones con un número reducido de ensayos. Este enfoque es especialmente útil en experimentación industrial, agrícola y científica cuando se busca evaluar múltiples factores de forma rápida y económica.
El número total de corridas experimentales en un diseño factorial se calcula multiplicando el número de niveles de cada factor. Este valor representa todas las combinaciones posibles de tratamientos que se deben probar.
REPLICAS
FACTOR
NIVEL
Notacion y terminologia
CORRIDAS EXPERIMENTALES
NOTACIÓN
CODIFICAR NIVELES
FACTOR (VARIABLE INDEPENDIENTE) Es cualquier variable independiente que el investigador manipula deliberadamente para observar su efecto sobre una o más variables de respuesta (dependientes).
NIVEL (VALOR DEL FACTOR) Es cada uno de los valores o categorías que puede tomar un factor.
CORRIDAS EXPERIMENTALES Son las combinaciones específicas de niveles de los factores que se prueban en el experimento.
REPLICAS Son las repeticiones independientes de cada tratamiento o combinación de niveles de factores.
USO DE LA NOTACION El uso de la notación permite representar de forma clara y compacta la estructura del experimento, facilitando su interpretación, análisis y comunicación.
CODIFICAR LOS NIVELES Codificar los niveles en un diseño experimental significa asignar valores numéricos estandarizados (generalmente −1 y +1) a los niveles de cada factor. Esta técnica facilita el análisis estadístico, especialmente cuando se usan modelos lineales, regresión o ANOVA.
EFECTOS PRINCIPALES E INTERACCIONES
El efecto principal de un factor es la diferencia entre las medias de la variable de respuesta cuando se cambia de un nivel a otro de ese factor, promediando sobre todos los niveles de los demás factores. El concepto de interacción se refiere a la situación en la que el efecto de un factor sobre la variable de respuesta depende del nivel de otro factor. Es decir, los factores no actúan de forma independiente, sino que se influyen mutuamente en su impacto sobre el resultado.
DISEÑO Y EJECUCION DEL EXPERIMENTO
objetivoEvaluar cómo el tipo de agua y la temperatura de preparación influyen en el sabor del café.
Agua potable de la llave
Agua purificada
Materiales:Agua purificada Agua potable de la llave Café Azucar Cuchara
Café
Azucar
Factores y niveles
Factor A:Tipo de agua Niveles: Agua potable de la llave Agua purificada Factor B: Temperatura de preparación Niveles: Agua a temperatura ambiente Agua hirviendo Variable de respuesta: Calificacion del 1-10 sobre el sabor del café
Ejecución con replicas 4 combinaciones 4 replicas completas por cada ejecución
REGISTRO DE DATOS
Evidencia de ejecucion de la primera corrida
Tabla de datos obtenidos
Agua Purificada
Agua Hirviendo
Temperatura ambiente
Agua Potable de la llave
ANALISIS Y RESULTADOS
Anova
CONCLUSION
¿Qué factores o interacciones son significativos? EL TIPO DE AGUA Y LA TEMPERATURA SI SON FACTORES SIGNIFICATIVOS, ESTO SIGNIFICA QUE SI TIENEN INFLUENCIA EN LOS RESULTADOS, COMO SE PUDO OBSERVAR ESTOS FACTORES SI CAMBIAN EL SABOR DEL CAFÉ ¿Cuál es el nivel óptimo de cada factor para maximizar/minimizar la respuesta? PROMEDIOS AGUA PURIFICADA+TEMPERATURA AMBIENTE=7 AGUA PURIFICADA+AGUA HIRVIENDO=8.75 AGUA POTABLE DE LA LLAVE+TEMPERATURA AMBIENTE=6 AGUA POTABLE DE LA LLAVE+AGUA HIRVIENDO=7.75 EL NIVEL OPTIMO ES EL AGUA PURIFICADA + AGUA HIRVIENDO
¡Muchas Gracias!
Un cierre genial
DISEÑOS FACTORIALES
Ana Lucía Calderón Montenegro
Created on October 10, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Santa’s Sleigh Christmas video
View
Happy Holidays Video
View
Elves Christmas video
View
HALLOWEEN VIDEO MOBILE
View
Halloween Illustrated Video
View
Halloween video
View
Birthday Party Invitation
Explore all templates
Transcript
INSTITUTO TECNOLOGICO DE DURANGOESTADISTICA INFERENCIAL II
DISEÑOS FACTORIALES
Ana Lucia Calderon Montenegro
Introduccion a diseños factoriales
Los diseños factoriales son una estrategia experimental utilizada en estadística para estudiar simultáneamente los efectos de dos o más factores (variables independientes) sobre una variable dependiente. Son especialmente útiles cuando se quiere entender no solo los efectos individuales de cada factor, sino también cómo interactúan entre sí
Los diseños factoriales se utilizan cuando se desea estudiar más de un factor al mismo tiempo y entender cómo interactúan entre sí. Son especialmente útiles en contextos donde se busca eficiencia, profundidad analítica y generalización de resultados.
Ventajas clave de los diseños factoriales - Mayor eficiencia experimental Se obtienen más resultados con menos ensayos, ya que se estudian varios factores simultáneamente. - Detección de interacciones Permiten identificar si el efecto de un factor depende del nivel de otro, algo que los diseños de un solo factor no pueden detectar. - Generalización de resultados Al considerar múltiples condiciones, los hallazgos son más robustos y aplicables a situaciones reales. - Ahorro de recursos Se reduce el número total de experimentos necesarios en comparación con realizar estudios separados para cada factor. - Mayor poder estadístico Al incluir más información en el análisis, se mejora la precisión de las estimaciones y se reduce el error experimental. - Flexibilidad en el análisis Se pueden incluir factores cualitativos y cuantitativos, así como bloques o repeticiones, adaptándose a distintos contextos.
Diseño (Factoriales completos de dos niveles)
En estadística, el diseño (o diseño experimental) es el conjunto de métodos y procedimientos utilizados para planificar, ejecutar y analizar un experimento de forma que se obtenga información válida, precisa y eficiente sobre una o más variables de interés.
Importancia del numero 2 (2 niveles: Maximo y minimo)
La importancia del número dos en los diseños factoriales a dos niveles radica en su simplicidad, eficiencia y capacidad para detectar efectos e interacciones con un número reducido de ensayos. Este enfoque es especialmente útil en experimentación industrial, agrícola y científica cuando se busca evaluar múltiples factores de forma rápida y económica.
El número total de corridas experimentales en un diseño factorial se calcula multiplicando el número de niveles de cada factor. Este valor representa todas las combinaciones posibles de tratamientos que se deben probar.
REPLICAS
FACTOR
NIVEL
Notacion y terminologia
CORRIDAS EXPERIMENTALES
NOTACIÓN
CODIFICAR NIVELES
FACTOR (VARIABLE INDEPENDIENTE) Es cualquier variable independiente que el investigador manipula deliberadamente para observar su efecto sobre una o más variables de respuesta (dependientes). NIVEL (VALOR DEL FACTOR) Es cada uno de los valores o categorías que puede tomar un factor. CORRIDAS EXPERIMENTALES Son las combinaciones específicas de niveles de los factores que se prueban en el experimento. REPLICAS Son las repeticiones independientes de cada tratamiento o combinación de niveles de factores. USO DE LA NOTACION El uso de la notación permite representar de forma clara y compacta la estructura del experimento, facilitando su interpretación, análisis y comunicación. CODIFICAR LOS NIVELES Codificar los niveles en un diseño experimental significa asignar valores numéricos estandarizados (generalmente −1 y +1) a los niveles de cada factor. Esta técnica facilita el análisis estadístico, especialmente cuando se usan modelos lineales, regresión o ANOVA.
EFECTOS PRINCIPALES E INTERACCIONES
El efecto principal de un factor es la diferencia entre las medias de la variable de respuesta cuando se cambia de un nivel a otro de ese factor, promediando sobre todos los niveles de los demás factores. El concepto de interacción se refiere a la situación en la que el efecto de un factor sobre la variable de respuesta depende del nivel de otro factor. Es decir, los factores no actúan de forma independiente, sino que se influyen mutuamente en su impacto sobre el resultado.
DISEÑO Y EJECUCION DEL EXPERIMENTO
objetivoEvaluar cómo el tipo de agua y la temperatura de preparación influyen en el sabor del café.
Agua potable de la llave
Agua purificada
Materiales:Agua purificada Agua potable de la llave Café Azucar Cuchara
Café
Azucar
Factores y niveles
Factor A:Tipo de agua Niveles: Agua potable de la llave Agua purificada Factor B: Temperatura de preparación Niveles: Agua a temperatura ambiente Agua hirviendo Variable de respuesta: Calificacion del 1-10 sobre el sabor del café
Ejecución con replicas 4 combinaciones 4 replicas completas por cada ejecución
REGISTRO DE DATOS
Evidencia de ejecucion de la primera corrida
Tabla de datos obtenidos
Agua Purificada
Agua Hirviendo
Temperatura ambiente
Agua Potable de la llave
ANALISIS Y RESULTADOS
Anova
CONCLUSION
¿Qué factores o interacciones son significativos? EL TIPO DE AGUA Y LA TEMPERATURA SI SON FACTORES SIGNIFICATIVOS, ESTO SIGNIFICA QUE SI TIENEN INFLUENCIA EN LOS RESULTADOS, COMO SE PUDO OBSERVAR ESTOS FACTORES SI CAMBIAN EL SABOR DEL CAFÉ ¿Cuál es el nivel óptimo de cada factor para maximizar/minimizar la respuesta? PROMEDIOS AGUA PURIFICADA+TEMPERATURA AMBIENTE=7 AGUA PURIFICADA+AGUA HIRVIENDO=8.75 AGUA POTABLE DE LA LLAVE+TEMPERATURA AMBIENTE=6 AGUA POTABLE DE LA LLAVE+AGUA HIRVIENDO=7.75 EL NIVEL OPTIMO ES EL AGUA PURIFICADA + AGUA HIRVIENDO
¡Muchas Gracias!
Un cierre genial