5.2 DISEÑOS FACTORIALES
CON TRES FACTORES
Estadística Inferencial II
Equipo 6
Docente: Juan Gerardo Pérez Magaña
Integrantes:
•Johan Osmar Hernández Cosmopulos
•Brandon Alexis García Ponce
•Edwin Arturo Castillo Pulido
•José Yahir Trejo González
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Orientación Universidad
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Busca documentos
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Busca documentos en el Store
Los mejores documentos en venta realizados por estudiantes que han terminado sus estudios
Video Cursos
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Quiz
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
Pregúntale a la comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ranking de las universidades
Descubre las mejores universidades de tu país según los usuarios de Docsity
Ebooks gratuitos
¡Nuestros e-books salva-estudiantes!
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
5.2 Diseños con tres factores, Diapositivas de Estadística Inferencial
Presentacion para exposicion del curso
Tipo: Diapositivas
2024/2025
1 / 9
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
Documentos relacionados
Vista previa parcial del texto
¡Descarga 5.2 Diseños con tres factores y más Diapositivas en PDF de Estadística Inferencial solo en Docsity!
5.2 DISEÑOS FACTORIALES
CON TRES FACTORES
Estadística Inferencial II
Equipo 6
Docente: Juan Gerardo Pérez Magaña
Integrantes:
- (^) Johan Osmar Hernández Cosmopulos
- (^) Brandon Alexis García Ponce
- (^) Edwin Arturo Castillo Pulido
- (^) José Yahir Trejo González
INTRODUCCION
El diseño factorial con tres factores es una herramienta estadística que
permite estudiar de manera eficiente el efecto conjunto de tres variables
independientes sobre un fenómeno de interés. A diferencia de los estudios
donde se evalúa un solo factor a la vez, este diseño considera todas las
combinaciones posibles entre los niveles de los tres factores, lo que
proporciona una visión más completa del sistema bajo estudio.
OBJETIVOS DEL DISEÑO
1. Evaluar los efectos principales de cada factor
Determinar si cada uno de los tres factores (A, B y C) tiene un impacto significativo e independiente
sobre la variable de respuesta.
2. Detectar interacciones entre factores
Analizar si el efecto de un factor cambia en función de los niveles de otro. En un diseño con tres factores
se pueden identificar.
Interacciones dobles:
- A × B
- (^) A × C
- (^) B × C
Interacción triple:
- (^) A × B × C
Esta interacción indica si el efecto conjunto de dos factores depende también del tercer factor.
3. Obtener mayor información con menos experimentos
En lugar de realizar experimentos separados para cada factor, el diseño factorial
permite evaluar múltiples combinaciones en un solo estudio, ahorrando tiempo y
recursos.
4. Optimizar procesos o condiciones
Al identificar qué combinaciones de niveles producen los mejores resultados, este
diseño ayuda a encontrar condiciones óptimas para el sistema en estudio.
5. Mejorar la comprensión del sistema
Detectar relaciones complejas entre variables, lo cual es crucial en entornos como la
industria, la ingeniería, la medicina o la agricultura.
VENTAJAS
- (^) Evaluación simultánea de varios factores:
Permite estudiar el efecto individual y combinado de tres factores en una sola investigación.
- (^) Detección de interacciones:
Identifica si el efecto de un factor depende del nivel de otro, incluyendo interacciones dobles y
triples.
- (^) Mayor eficiencia experimental:
Requiere menos experimentos que realizar estudios separados para cada factor, lo cual ahorra
tiempo y recursos.
- (^) Mejor comprensión del sistema:
Facilita la toma de decisiones al ofrecer una visión más completa del comportamiento de la
variable de respuesta.
- (^) Base para optimización:
Permite identificar las mejores combinaciones de niveles para optimizar procesos o resultados.
DESVENTAJAS
- (^) Complejidad en el análisis:
A medida que se agregan más factores y niveles, la interpretación de resultados (especialmente
las interacciones) se vuelve más difícil.
- (^) Mayor número de tratamientos:
Puede volverse costoso y demandante en recursos cuando se incluyen varios niveles por factor.
- Requiere planeación cuidadosa:
Es fundamental diseñar bien el experimento y asegurar condiciones controladas para obtener
datos válidos.
- (^) Exige cumplimiento de supuestos estadísticos:
La validez del análisis depende del cumplimiento de supuestos como normalidad,
homogeneidad de varianzas y aleatoriedad.