Análisis y Diseño de Experimentos - 245 -

7
EXPERIMENTOS
FACTORIALES
Introducción.

Los Experimentos Factoriales son arreglos de tratamientos que permiten aplicar

de una sola vez una serie de estímulos o tratamientos que consideramos que inter-
vengan en la respuesta dada por una unidad experimental.

Los arreglos factoriales son de importancia práctica, ya que permiten el estudio

de un estímulo como tal y su respuesta combinatoria respecto de otras condiciones
generadas por la interacción con otros factores, dando así información más comple-
ta, aun cuando los efectos interaccionales no sean significativos. En las ciencias
agropecuarias normalmente se usan combinaciones hasta de tres factores debido prin-
cipalmente a la interpretación fisiológica de las interacciones. Los arreglos de trata-
mientos pueden ser estudiados en el contexto de los diseños básicos, considerando
las características de las unidades experimentales con las que se trabaje.

Los Experimentos Factoriales no constituyen un diseño en sí, sino que debe

arreglarse a cualesquiera de los diseños conocidos como: diseño completamente al
azar, diseño bloques completos, cuadrados latino, etc.
- 246 - V. Ibañez Q. - Docente FINESI - UNA - Puno
Su utilidad radica en que es posible estudiar simultáneamente más de un factor.
Ejemplo estudiar varias razas de los animales y el sexo de los mismos para determi-
nar sus incrementos de pesos; estudiar diversas variedades y su respuesta a las dife-
rentes formas de abonamiento, etc. Además es importante porque nos permite com-
parar los niveles de cada factor entre sí y además las interacciones que puedan resul-
tar como consecuencia de las combinaciones de los niveles de cada factor.

Objetivos:
1. Describir los conceptos básicos de experimentos factoriales y explicar cómo
se hace la experimentación factorial.
2. Desarrollar los experimentos factoriales de 2 y 3 factores y la manera en que
se estabiliza la varianza.
3. Explicar el experimento general, el modelo de efectos fijos y su diferencia con
el modelo de efectos aleatorios.

Ventajas de los Experimentos Factoriales.

1. Permite estudiar los efectos principales, efectos simples así como de los efec-
tos de la interacción.

2. Todas las unidades experimentales intervienen en la determinación de los

efectos principales, efectos simples y de la interacción.

3. Permite ganar mayor precisión en el experimento.

Desventajas de los Experimentos Factoriales.

1. Se requiere mayor número de unidades experimentales que en los experimen-

tos simples en los cuales se estudia únicamente un solo factor; así que en un
experimento factorial con 4 niveles del A, y 5 niveles del factor B, repetidos 5
veces para cada combinación de tratamientos, se requerirá 100 unidades
experimentales para estudiar solamente 2 factores, mientras si se quisiera
estudiar mayor número de factores el número de unidades experimentales
sería aún mayor.
2. Como en los experimentos factoriales deben de combinarse todos los niveles
de los factores en estudio, algunas de estas combinaciones resulta de poco
interés del investigador.
3. El análisis estadístico es mas complicado en comparación con los experimen-
tos simples.
 Análisis y Diseño de Experimentos - 247 -

Experimento factorial.

El término experimentación factorial se refiere a la evaluación simultánea de dos

ó más factores en un experimento o estudiar el efecto de varios factores sobre una o
varias respuestas o características de calidad, lo que se busca es estudiar la relación
entre los factores y la respuesta, con la finalidad de conocer mejor cómo es ésta
relación y genera conocimiento que permita tomar acciones y decisiones que mejo-
ren el desempeño del proceso. Para diseñar un experimento factorial, se utilizan los
diesños básicos como: diseño completamente al azar, diseño bloque completo al azar,
diseño cuadrado latino entre otros.

Elección de los factores.

Factor.

Es una clase de tratamiento que interviene en el experimento, es así que en los

Experimentos Factoriales, todo factor proporciona varios tratamientos; ejemplo de
factores: Razas de animales, variedades de alfalfa, dosis de nitrógeno, profundidad
de labranza, raciones alimenticias, dosis de una hormona, etc. A los Factores se les
simboliza generalmente por las primeras letras mayúsculas del alfabeto (A, B, C, D,
etc).

Niveles de un factor.

Son los diversos tratamientos que pertenecen a un determinado factor; y se acos-

tumbra a simbolizar un nivel cualquiera por la letra que representa el factor y el valor
del respectivo sub índice. Ejemplo: el factor dosis de la hormona estilbestrol simbo-
lizado por A tiene 4 niveles en el experimento: a1 = 2cc, a2 = 3cc, a3 = 4cc, a4 = 5cc.

Tipos de factores.
Los factores que se estudian en los experimentos se clasifican en:

Factor fijo:

Los niveles o tratamientos son fijados por el experimentador de acuerdo a su

interés. Son muy usuales en la experimentación. Ejemplos:
- Factor Nitrógeno: 50, 70, 90 kg de N/ha.
- Factor temperatura: 10, 15, 18, 20 grados centígrados.
- Alimento: con ingrediente nuevo, sin ingrediente.
- 248 - V. Ibañez Q. - Docente FINESI - UNA - Puno
- Tres variedades de trigo: V1, V2, V3, etc.

Factor al azar:

Los niveles o tratamientos son seleccionados al azar de la población de niveles,

constituyendo una muestra los que están en el experimento. Ejemplo:
- Los años en los que se cultivan ciertas variedades de papa, trigo, etc. son con-
siderados como una muestra de años antes y años después de lo establecido.

Clasificación de los factores:

Factores Cualitativos.- Los niveles o tratamientos son cualidades o categorías,

cuyos niveles corresponden a procedimientos o cualidades y no tienen un orden natu-
ral y cada nivel tiene un valor intrínsico. Ejemplo: métodos de enseñanza de cierta
asignatura, variedades o linajes de un cultivo, épocas del año, las estaciones del año,
clases de lana, razas de ganado, variedades, zonas ecológicas, tipos de hormona,
tipos de alimento, sistema de riego, sistema de labranza, variedades de los cereales,
etc.

Factores Cuantitativos.- Son aquellos cuyos niveles corresponden a cantidades

numéricas de un factor cuantitativo, que de preferencia debe ser igualmente espacia-
das o de igual intervalo o no. Ejemplo: distanciamiento entre plantas de algodón a 50
cm., 60 cm., 70 cm., niveles de pH en la elaboración de cierto alimento: 2.0, 2.5, 2.8,
3.0, diferentes dosis de una hormona, diferentes dosis de una ración protéica, dife-
rentes dosis de un abono nitrogenado, diferentes grados de temperatura, dosis de
vitamina B12, tiempos, minutos, etc.

Factores cruzados.- Factores en los que cada nivel de uno de los factores se com-
bina con todos los niveles de los otros factores.

Factores anidados.- Los niveles de cada factor no pueden o no interesa que se

combinen con todos los niveles de los otros factores, un factor puede ser fijo o al azar.

Simbolización.- Se utiliza letras mayúsculas para los factores: A, B, C, D, R y

letras minúsculas con subíndices para indicar niveles:
a, b, c, d, r (para indicar el número de niveles de cada factor).
i, j, k, l, m (para indicar cualquier nivel del factor).
ai, bj, ck, dl, rm (para indicar los niveles).
α , β , γ , δ , ε (para indicar los efectos).
 Análisis y Diseño de Experimentos - 249 -
Ejemplos:

Un experimento factorial en el cual se estudia dos factores, y cada factor con dos
niveles, se simboliza como 2Ax2B ó 2x2. El número de combinaciones de tratamien-
tos que intervienen en este factorial es el producto de las cantidades de niveles de los
factores en estudio, en este experimento existirán 4 tratamientos.

En un experimento factorial en el cual intervienen tres factores A, B y C, donde el

factor A tiene tres niveles, el factor B tiene 2 niveles y el factor C, tiene dos niveles,
se simbolizará como 3Ax2Bx2C ó 3x2x2 o también 3x22; y el número de tratamien-
tos producto de las combinaciones será igual a 12.

Tipos de notación en el experimento factorial (croquis de campo).

Trat. Combinado I II III IV V

1 a1b1c1 111 a0b0c0 000 (1)
2 a1b1c2 112 a0b0c1 001 c
2
3 a1b1c3 113 a0b0c2 002 c
4 a1b2c1 121 a0b1c0 010 b
5 a1b2c2 122 a0b1c1 011 bc
2
6 a1b2c3 123 a0b1c2 012 bc
7 a2b1c1 211 a1b0c0 100 a
8 a2b1c2 212 a1b0c1 101 ac
2
9 a2b1c3 213 a1b0c2 102 ac
10 a2b2c1 221 a1b1c0 110 ab
11 a2b2c2 222 a1b1c1 111 abc
2
12 a2b2c3 223 a1b1c2 112 abc

El cálculo de número de interacciones de cierta cantidad «m» de factores, se hace

mediante la operación combinaciones de «f» en «m», tal como se presenta en segui-
da:
FG f IJ = f ! que cuenta el número de maneras diferentes de seleccionar «m»
H mK m!( f − m )!
factores de los f.
- 250 - V. Ibañez Q. - Docente FINESI - UNA - Puno
En resumen, con el factorial general, se pueden estudiar los siguientes 2 f − 1efec-
tos:
FG f IJ = f efectos principales (A, B,...,K)
H 1K
FG f IJ = f ( f − 1 ) interacciones dobles (AB, AC,...(K-1)K)
H 2K 2

M
FG f IJ = f
H f −1K interacciones de f-1 factores (AB...K-1, AB...(K-2)K,....)

FG f IJ = 1
HfK interacciones de todos los factores (ABC....K)

Ejemplo:
2 2 × 31 = 12 tratamientos o combinaciones. Entonces existen 3 factores en estudio,
se desea saber cuántas interacciones de primer orden existen?.
FG 3IJ = 3! = 3 interacciones de primer orden ó interacciones dobles.
H 2K 2 !( 3 − 2 )!
Cuando se tiene 4 factores en estudio, cuántas interacciones de segundo orden
existen en el experimento?.
FG 4IJ = 4! = 4 interacciones de segundo orden o a veces lo llaman interacciones
H 3K 3!( 4 − 3)!
triples.

Observación:
a) Cuando todo los factores son cuantitativos, entonces se debe estudiar por el
método de superficie de respuesta.
b) Cuando existen factores cualitativos y factores cuantitativos, entonces se pue-
de estudiar con efectos simples.
d) Se recomienda no estudiar más de tres factores, ya que se complicará la inter-
pretación de la interacción significativa.
e) Cuando se complica los factores, entonces se realiza mediante repetición frac-
cionada (experimentos factoriales grandes).
 Análisis y Diseño de Experimentos - 251 -

7.1. EXPERIMENTO FACTORIAL DE LA SERIE 2n

Considere los factores A y B con «a» y «b» (a,b ≥ 2) niveles de prueba, respecti-
vamente. Con ellos se puede construir el arreglo o diseño factorial axb, que consiste
axb tratamientos o combinaciones. Algunos casos particualres de uso frecuente son:
el experimento factorial 22, el factorial 32 y el factorial 3x2. Los experimentos
factoriales que involucran menos de cuatro factores se corren replicados para poder
tener la potencia necesaria en las pruebas estadísticas sobre los efectos de interés, de
tal forma que si se hacen «n» réplicas, el número total de corridas experimentales es
n(axb).

Ejemplo:
22= 4 tratamientos o combinaciones.

A a0 a1 a1 a2
B b0 b1 b0 b1 b1 b2 b1 b2

Efecto simple de A en b0: a1b0 - a0b0 Efecto simple de A en b1: a2b1 - a1b1
Efecto simple de A en b1: a1b1 - a0b1 Efecto simple de A en b2: a2b2 - a1b2
Efecto simple de B en a0: b1a0 - b0a0 Efecto simple de B en a1: b2a1 - b1a1
Efecto simple de B en a1: b1a1 - b0a1 Efecto simple de B en a2: b2a2 - b1a2

Ordenando el efecto simple de B en a0, se tiene a0b1 - a0b0 efecto atribuible a b

cuando se mantiene a0 fijo.
Ordenando el efecto simple de B en a1, se tiene a1b1 - a1b0 efecto atribuible a b
cuando se mantiene a1 fijo.

Efecto principal A: La variabilidad que existe entre los niveles del factor A, pero
en promedio del factor B.
( a1b1 − a0b1 ) + ( a1b0 − a0b0 ) ( a1b1 + a1b0 ) − ( a0b1
Efecto principal A = =
2 2
( a1b1 − a1b0 ) + ( a0b1 − a0b0 ) ( a1b1 + a0b1 ) − ( a1b0
Efecto principal B = =
2 2
( a1b1 − a0b1 ) − ( a1b0 − a0b0 )
Efecto interacción AB =
2
- 252 - V. Ibañez Q. - Docente FINESI - UNA - Puno

( a1b1 − a1b0 ) − ( a0b1 − a0b0 )

Efecto interacción BA =
2

7.1.1. Experimento factorial bajo el diseño completo al azar (DCA).

El modelo lineal aditivo es el siguiente:

R|i = 1,2,L , p ( Niveles de factor A

Yijk = µ + α i + β j + ( αβ )ij + ε ijk S| j = 1,2,L ,q ( Niveles de factor B
T k = 1,2,L ,r ( repeticiones )
donde:
Yijk = Es la variable respuesta de la k-ésima observación bajo el j-ésimo nivel de
factor B, sujeto al i-ésimo nivel de tratamiento A.
µ = Constante, media de la población a la cual pertenecen las observaciones.
τ i = Efecto del del i-ésimo nivel del factor A.
β j = Efecto del j-ésimo nivel del factor B.
(α β)ij = Efecto de la interacción del i-ésimo nivel del factor A, en el j-ésimo nivel
del factor B.
ε ijk = Efecto del error experimental, que está distribuído como ε ijk ~ D N I ( 0 , σ e2 )
ANÁLISIS DE VARIANZA(ANOVA)
Fuentes de Variación G. L. S.C. C.M. Fc
a
Yij2. Y...2
b SCtratam. CMtratam.
Tratamientos t-1 ∑ ∑
i=1 j=1 r
−
abr t −1 CMerror
t
Yi 2.. Y...2 SC( A ) CM( A)
a- 1 ∑br − abr
Factor A
i =1 a −1 CMerror
b
Y.j2. Y...2 SC( B) CM( B)
Factor B b- 1 ∑ar − abr
j=1 b−1 CMerror

F Y − Y I − bSC + SC g

Análisis y Diseño de Experimentos - 253 -

2
SC( AB )
GH ∑∑ r abr JK
a b 2
ij . ... CM( AB)
A B
Interacción AxB (a - 1)(b - 1) i =1 j =1
gl( AB ) CMerror
14442444 3
SCcomb( AxB )

SCerror
Error Experimental ab(r -1) Por diferencia ( ab −1)( r −1)
a b r
Y...2
Total abr - 1 ∑∑∑Yijk2 − abr
i=1 j=1 k=1
- 254 - V. Ibañez Q. - Docente FINESI - UNA - Puno

EJEMPLO:

En una empresa alimenticia se desean evaluar cuatro antioxidantes, a través

de su efecto en un aceite vegetal. El propósito es seleccionar el producto que retrase
más la oxidación. Las pruebas se hacen a condiciones de estrés, midiendo como
variable de respuesta al índice de peróxidos. Diferentes unidades experimentales se
evaluan a diferentes tiempos. El tiempo está dado en horas. Los datos obtenidos se
presentan a continuación (en el control no se agrega ningún antioxidante).
a) Calcular el ANVA respectivo y realice efectos simples para la interacción.
b) Graficar la interacción de los dos factores e interprete los resultados.
A: Producto Control = 1 A=2 B=3 C=4 D=5
B: Tiempo 4 8 12 4 8 12 4 8 12 4 8 12 4 8 12
1 3.84 27.63 39.95 4.00 22.00 46.20 3.61 21.94 43.58 3.57 20.50 45.14 3.64 20.30 44.36
2 3.72 27.58 39.00 3.91 21.83 45.60 3.61 21.85 42.98 3.50 20.32 44.89 3.61 20.19 44.02
Yij. 7.56 55.21 78.95 7.91 43.83 91.80 7.22 43.79 86.56 7.07 40.82 90.03 7.25 40.49 88.38 696.87 = Y...
Yi.. Y1.. = 141.72 Y2.. = 143.54 Y3.. = 137.57 Y4.. = 137.92 Y5.. = 136.12 696.87 = Y...
Y.j. Y.1. = 37.01 Y.2. = 224.14 Y.3. = 435.72 696.87 = Y...

SOLUCIÓN:
1. Hipótesis:
Respecto al factor A. Respecto al factor B.
H0 : α i = 0, i = 1,2,..... a H0 : β j = 0 , j = 1,2 ,.....b
Ha : α i ≠ 0, para cualquier i Ha : β j ≠ 0, para cualquier j

Respecto a la interacción A x B

b g
Ho : αβ ij
= 0, i = 1,2 ,..... a ; j = 1,2,3,..., b
H : bαβ g
a ij
≠0

2. Nivel de Significación: α = 0.05

CM A CM B CM A × B
3. Prueba de Contraste: F ( A ) = , F( B ) = , F( A × B ) =
CM Error CM Error CM Error
4. Región de aceptación y rechazo:
RA Ho: Sí F ( A ) ≤ Faba −( 1r −1 ),α , entonces se acepta la Ho:

RR Ho: Sí F ( A ) > Faba −( 1r −1 ),α , entonces se acepta la Ha:

 Análisis y Diseño de Experimentos - 255 -

RA Ho: Sí F ( B ) ≤ Fabb −( 1r −1 ),α , entonces se acepta la Ho:

RR Ho: Sí F ( B ) > Fabb −( 1r −1 ),α , entonces se acepta la Ha:

RA Ho: Sí F ( A × B ) ≤ Fab( a( −r 1−)(1 ),bα−1 ) , entonces se acepta la Ho:
RR Ho: Sí F ( A × B ) > Fab( a( −r 1−)(1 ),bα−1 ) , entonces se acepta la Ha:

5. Procedimiento de Cálculo de ANOVA

a) Grados de libertad (GL)

GL A = a − 1 = 5 − 1 = 4 , GLB = b − 1 = 3 − 1 = 2
GLA × B = ( a − 1 )( b − 1 ) = 4 × 2 = 8 , GLError = ab( r − 1 ) = 5 × 3 × ( 2 − 1 ) = 15
GLTotal = abr − 1 = 5 × 3 × 2 − 1 = 29

b) Suma de Cuadrados (SC ó SS)

2
Y••• (696.87) 2
TC = = = 16187.59323
abr 5× 3× 2
5
Y2 (141.72)2 + (14354
. )2 +L+(13612
. )2
i) SCA = ∑ br•• − TC= − TC = 6469386
i
.
i=1 3× 2
3
Y2 (37.01) 2 + (224.14) 2 + ( 435.72 )2
ii) SC B = ∑ ar − TC =
• j•
− TC = 7958.4465
j=1 5× 2

F I Yij2• LM(7.56) +(55.21) +L+(88.38) −TCOP − SC − SC

iii) SCA×B = GH∑∑ r JK
5 3 2 2 2
− TC − SCA − SCB =
144
i=1 j=1
42444
3 N 2 Q A B

SCTratamientos

= 8080.55102 - SCA-SCB = 115.635054

5 3 2
iv) SC Total = ∑ ∑ ∑ Yijk2 − TC = ( 384
. )2 + ( 3.72 )2 + L + ( 44.36 )2 + ( 44.02 )2 − TC = 24269.1007 − TC =
i =1 j =1 k =1

v) SC Error = SC Total − SC A − SC B - SCA × B = 808150747

. − 6.469388 − 7958.44658 − 115.635054

SC ErrorExptal = SC TOTAL − SCTratamientos = 808150747

. − 8080.55102 = 0.95645
- 256 - V. Ibañez Q. - Docente FINESI - UNA - Puno
RESUMEN EN LA TABLA DE ANALISIS DE VARIANZA
F. de V. G.L. S.C. C.M. Fc. Signif.
Antioxidantes (A) 4 6.4693860 1.6173465 25.36 **
Tiempo (B) 2 7958.4465800 3979.2232900 62406.14 **
AxB 8 115.6350540 14.4543818 226.69 **
Error Experimental 15 0.9564500 0.0637633
Total 29 8081.5074700

CV =
CM error
x100 =
0.063763
× 100 = 1.09%
4
F15,0.01 = 4.89; F15,0.01
2
= 6.36; F15,0.01
8
= 4.0
Y••• 696.87 30

INTERPRETACIÓN:
De acuerdo al análisis de varianza (ANVA), encontramos que existe diferencia
estadística altamente significativa (P ≤ 0.01) para los efectos principales y efectos de
interacción; los efectos principales pierden el interés y las conclusiones se deben
obtener del efecto de la interacción antioxidante por tiempo, para esto se debe realizar
el análisis de varianza de efectos simples para nuestras conclusiones.

MÉTODO TABULAR PARA LA INTERACCIÓN (A= Antioxidantes x B =

Tiempo)

Antioxidantes
a1 a2 a3 a4 a5 Y.j.
b1 7.56 7.91 7.22 7.07 7.25 37.01
Tiempo (Hrs) b2 55.21 43.83 43.79 40.82 40.49 224.14
b3 78.95 91.8 86.56 90.03 88.38 435.72
Yi.. 141.72 143.54 137.57 137.92 136.12 696.87 = Y...

MÉTODO GRÁFICO (Se debe obtener los promedios del método tabular)

Antioxidantes
a1 a2 a3 a4 a5 Promedio

b1 3.78 3.955 3.61 3.535 3.625 18.505

Tiempo (Hrs) b2 27.605 21.915 21.895 20.41 20.245 112.07
b3 39.475 45.9 43.28 45.015 44.19 217.86
Promedio 23.62 23.923 22.928 22.987 22.6867 23.229
 Análisis y Diseño de Experimentos - 257 -

51
48
45
51
42
48
39 45
36 42
Promedios (Hrs)

33 39
30 36
27 33

Promedios
24 30
27
21
24
18 21
15 18
12 15
9 12
6 9
3 6
0 3
0
a1 a2 a3 a4 a5
Niveles de Antioxidante
b1 b2 b3
Tiempo en horas
A dentro de b1 A dentro de b2 A dentro de b3
B dentro de a1 B dentro de a2 B dentro de a3
B dentro de a4 B dentro de a5

Análisis de varianza de efectos simples para la interacción Antioxidantes

con el tiempo.

a) Suma de cuadrados de efectos simples: A en bj:

5
Y2 Y2 756 . 2 + 791
. 2 + 722
. 2 + 707
. 2 + 725
. 2 ( 3701
. )2
SC( A dentro b1 ) = ∑ i1• − •1• = − = 022474
.
i =1 r ar 2 5× 2
5 Y2
. 2 + 4383
Y2 5521 . 2 + 4379
. 2 + 4082
. 2 + 4049
. 2 ( 22414
. )2
SC( A dentro b2 ) = ∑ • − •2• = − = 7237084
i2
.
i=1 r ar 2 5× 2
5 Y2
. 2 + 918
Y2 7895 . 2 + 8656
. 2 + 9003
. 2 + 8838
. 2 ( 43572
. )2
SC( A dentro b3 ) = ∑ • − •3• = − = 4950886
i3
.
i =1 r ar 2 5× 2

b) Suma de Cuadrados de B en ai:

b=3 Y2
Y2 7.562 +5521
. 2 + 7895
. 2 (141.72)2
SC(B en a1) = ∑ • − 1•• = − = 13217737
i1
.
j=1 r br 2 3× 2
b=3 Y2
Y2 7.912 + 4383
. 2 + 918
. 2 (143.54)2
SC(B en a2 ) = ∑ • − 2•• = − = 1771483233
i2
.
j=1 r br 2 3× 2
b=3 Yi32• Y32•• 7.222 + 4379
. 2 +8656
. 2 (137.57)2
SC(B en a3 ) = ∑ − = − = 1576912233
.
j=1 r br 2 3× 2
- 258 - V. Ibañez Q. - Docente FINESI - UNA - Puno

Y Y2 7.072 + 4082
b=3 2
. 2 + 9003
. 2 (137.92)2
SC(B en a4 ) = ∑ i4• − 4•• = − =1740508033
.
j=1 r br 2 3×2

Y Y2 7.252 +4049
b=3 2
. 2 +8838
. 2 (136.12)2
SC(B en a5) = ∑ i5• − 5•• = − = 1663404433
.
j=1 r br 2 3×2
ANOVA DE EFECTOS SIMPLES PARA LA INTERACCIÓN AxB

F. de V. G.L. S.C. C.M. Fc. Signif.

Efecto simple de Antioxidante (A) dentro de 4 Hrs. 4 0.224740 0.05619 0.88 ns.
Efecto simple de Antioxidante (A) dentro de 8 Hrs. 4 72.370840 18.09271 283.75 **
Efecto simple de Antioxidante (A) dentro de 12 Hrs. 4 49.508860 12.37722 194.11 **
Efecto simple de Tiempo (B) dentro de Control 2 1321.773700 660.88685 10364.68 **
Efecto simple de Tiempo (B) dentro de A 2 1771.483233 885.74162 13891.08 **
Efecto simple de Tiempo (B) dentro de B 2 1576.912233 788.45612 12365.35 **
Efecto simple de Tiempo (B) dentro de C 2 1740.508033 870.25402 13648.19 **
Efecto simple de Tiempo (B) dentro de D 2 1663.404433 831.70222 13043.58 **
Error Experimental 15 0.956450 0.0637633

4
F15,0.01 = 4.89; 2
F15,0.01 = 6.36

Interpretación:
A dentro de 4 hrs.: No se encontró diferencia estadística significativa entre los
niveles de a1, a2, a3, a4, a5 bajo los niveles de b1, es decir no hay diferencia significativa
entre los niveles de antioxidantes con el tiempo, es decir son independientes entre los
niveles.
A dentro 8 hrs: Existe diferencia significativa entre los niveles de a1, a2, a3, a4, a5
bajo los niveles de b2, es decir hay diferencia significativa entre los antioxidantes con
el tiempo.
A dentro 12 hrs: Existe diferencia significativa entre los niveles de a1, a2, a3, a4, a5
bajo los niveles de b3, es decir hay diferencia significativa entre los antioxidantes con
el tiempo.

B dentro ai: Existe diferencia significativa entre los niveles de b1, b2 y b3 bajo los
niveles de ai, es decir hay diferencia significativa entre los tiempos con el antioxidante
(para todo los niveles).
 Análisis y Diseño de Experimentos - 259 -
Prueba Múltiple de comparación de DUNCAN para los efectos simples.
1. Hipótesis: H 0 : µ 1 = µ 2 = µ 3 = µ 4 = µ 5 Vs. H a : µ i ≠ 0
2. Nivel de significación: α = 0.05
3. Buscar en la Tabla de Duncan los valores de AES(D) con Grados de Libertad
del Error (GLerror = 15).
p: 2 3 4 5
AES(D) 3.01 3.16 3.25 3.31
SY = 0.063763
2 = 0.17855
ALS(D) 0.54 0.56 0.58 0.59
3. DUNCAN para A dentro de bi:

A dentro b1:Yi1• A dentro b2 :Yi2• A dentro b3 :Yi3•

Antioxidantes Yi1• Duncan(P≤0.05) Antioxidantes Yi2• Duncan(P≤0.05) Antioxidantes Yi3• Duncan(P≤0.0

A 3.96 a Control 27.61 a A 45.90 a
Control 3.78 a A 21.92 b C 45.02 b
D 3.63 a B 21.90 b D 44.19 c
B 3.61 a C 20.41 c B 43.28 d
C 3.54 a D 20.25 c Control 39.48

4. DUNCAN para B dentro de ai:

B dentro a1:Y1 j• B dentro a2 :Y2 j• B dentro a3:Y3 j• B dentro a4 :Y4 j• B dentro a5:Y5 j•

Tiempo Y1 j• Duncan(P≤0.05) Y2 j• Duncan(P≤0.05) Y3 j• Duncan(P≤0.05) Y4 j• Duncan(P≤0.05) Y5 j• Duncan(P≤0.05)

12 39.5 a 45.90 a 43.28 a 45.02 a 44.19 a
8 27.6 b 21.92 b 21.90 b 20.41 b 20.25 b
4 3.78 c 3.96 c 3.61 c 3.54 c 3.63 c

Nota: El efecto principal del factor tiempo es de tipo cuantitativo por que se debe
realizar a través de superficie de respuesta para encontrar el óptimo. En nuestro caso
se ilustra solamente para efectos didácticos del ejemplo, más adelante se desarrollará
en forma detallada cuando se tienen factores cuantitativos.