Nombre: JAN CARLOS
Matrícula:242060245
JIMENEZ
Diseño de experimentos II
Maestro: Mtro Javier Emanuel Castañeda
Aude
Actividad de la semana:
Fecha:24/10/2025
Fuentes de consulta en formato APA:
Nivel académico: Bachillerato/Profesional
Diseño factorial 3^k y sus características
Un diseño factorial 3^k es un tipo de diseño experimental en el cual se estudian k
factores y cada uno de ellos se evalúa en tres niveles distintos, típicamente
representados
como
bajo,
medio
y
alto.
Esto
da
lugar
a
un
total
de 3𝑘 tratamientos o combinaciones posibles, donde cada nivel de un factor se
combina con cada nivel de los otros factores. Este diseño es especialmente útil
para explorar no solo los efectos lineales o principales de cada factor, sino
también efectos cuadráticos y no lineales, y permite analizar interacciones entre
factores en un marco más detallado. La inclusión del nivel medio es fundamental
para detectar la curvatura en la relación entre factores y la respuesta,
característica que no está disponible en diseños factoriales binarios con solo dos
niveles.
Entre sus principales características están: la capacidad de examinar efectos
principales y de interacción, la posibilidad de evaluar efectos cuadráticos, la
necesidad de un número considerablemente mayor de experimentos en
comparación con diseños 2^k (lo que puede limitar su aplicabilidad cuando k es
grande), y la existencia de puntos centrales que permiten verificar la presencia de
curvatura y ayudan a estimar el error experimental de manera más precisa. Este
diseño se emplea comúnmente cuando los factores son cuantitativos y se
sospecha que la relación con la respuesta no es estrictamente lineal, y se usa en
campos donde la experimentación es crítica para optimizar condiciones, como en
procesos industriales o en estudios científicos complejos
Confusión en diseño factorial y su importancia
En el contexto de un diseño factorial, la confusión (también llamada estructura de alias)
se refiere a la situación en la que dos o más efectos (por ejemplo, efectos principales o
interacciones) no pueden ser separados debido a la estructura del diseño experimental.
Esto ocurre típicamente en diseños factoriales fraccionados, donde no se realizan
todas las combinaciones posibles para reducir el número de corridas, lo que implica
que algunos efectos quedan "confundidos" o mezclados entre sí. Como resultado, el
efecto estimado de un factor puede ser indistinguible del efecto combinado de una
interacción o de otro factor, lo que complica la interpretación de los resultados.
Es fundamental considerar la confusión porque si no se detecta, se podrían atribuir
erróneamente efectos significativos a factores incorrectos, afectando la validez del
experimento y las conclusiones. Identificar la estructura de alias permite a los
investigadores saber qué efectos no pueden ser separados y planificar el análisis
estadístico con esta limitación en mente, así como decidir qué fracciones del diseño
aplicar para minimizar estos conflictos y maximizar la información útil obtenida.
Réplica fraccionaria en diseño factorial 3^k y su uso
Una réplica fraccionaria en el diseño factorial 3^k es un enfoque para reducir el número
total de experimentos necesarios cuando el diseño completo es muy grande o costoso.
En lugar de ejecutar todas las 3𝑘 combinaciones, se selecciona una fracción
representativa del diseño, por ejemplo, un subconjunto que cubra adecuadamente las
combinaciones más informativas, manteniendo un equilibrio entre el número de
corridas y la capacidad para estimar efectos importantes.
Este tipo de réplica es útil para explorar factores cuando hay muchos niveles o muchos
factores, para detectar factores principales y algunas interacciones sin el costo de un
diseño completo. El diseño fraccionario tiene la desventaja de que puede generar
confusión o alias entre efectos, pero es necesario cuando el experimento completo es
impracticable. En el caso del diseño 3^k, se pueden usar métodos específicos para
seleccionar las fracciones que mantengan una buena resolución y minimicen la
confusión, y se utilizan para estudiar fenómenos como la variabilidad en procesos
industriales con múltiples factores y niveles
Niveles mixtos en diseño factorial 3^k y su manejo en análisis
Tener niveles mixtos en un diseño factorial 3^k significa que no todos los factores
tienen necesariamente tres niveles; algunos factores pueden tener dos niveles,
otros pueden tener tres, o incluso más. Esto genera un diseño factorial con
niveles mixtos, donde la matriz de tratamiento combina diferentes números de
niveles según el factor. Este tipo de diseño es común cuando no todos los
factores se pueden o necesitan estudiar en tres niveles, optimizando recursos y
enfocando el análisis en condiciones reales del problema de estudio. El manejo
de estos casos en el análisis requiere modelos estadísticos que contemplen la
heterogeneidad en el número de niveles, y técnicas adecuadas para comparar
efectos y hacer inferencias. Se puede modelar con ANOVA extendido y ajustar
contrastes específicos para cada factor según sus niveles. Las interacciones
también se evalúan considerando las combinaciones específicas de niveles de
los factores involucrados. Estos diseños permiten flexibilidad práctica y
generalmente requieren herramientas estadísticas adaptadas para manejar el
análisis con varios niveles por factor sin perder la estructura factorial. Estas
explicaciones representan un resumen detallado, alineado con la literatura actual
y prácticas estándar en diseño de experimentos para el diseño factorial 3^k y
sobre los conceptos clave que involucra. Si se requiere, puede ampliarse con
ejemplos específicos o modelos matemáticos.