La idea es ver cual es el impacto sobre la respuesta si hacemos ligeros cambios deliberados en los niveles de esos factores.
Los diseños PB son diseños factoriales fraccionados 27-4,
Los diseños factoriales fraccionados corresponden a diseños en las que se ejecuta sólo una fracción del total de combinaciones de tratamientos de un diseño completo. Por ejemplo, en un diseño completo 27 habrían 128 combinaciones de tratamientos, corridas o pruebas independientes que tendríamos que realizar.
En cambio, en un diseño factorial fraccionado 27-4, la fracción que corresponde es la de 1/16. Es decir, sólo bastarían 8 corridas o pruebas independientes para obtener los mismos resultados que si corriéramos las 128 corridas de un diseño completo.
En la prueba de PB es requisito realizar repeticiones para disponer de los grados de libertad suficientes para llevar a cabo la prueba estadística. Por lo tanto, es una buena idea considerar 2 replicas, por lo que se deberán considerar 16 corridas.
A continuación, se presenta un ejemplo de como realizar esta prueba estadística en Excel.
Supongamos que vamos a realizar una prueba de robustez para el ensayo de hierro mediante espectroscopía de absorción atómica. Los siguientes son los datos considerados.
Para poder usar esta prueba tenemos que escoger una de las 16 alternativas de combinaciones de tratamientos para que los resultados sean válidos.
Una de esas alternativas es la que se presenta a continuación, la cual fue obtenida con el software Minitab, debido a que la combinación de tratamientos a usar debe cumplir ciertas restricciones de tipo estadístico, como la ortogonalidad. Esta alternativa elegida se puede usar para todas las pruebas que se quiera realizar en un futuro.
Aquí el valor -1 significa nivel bajo y +1 significa nivel alto. Hay 8 corridas o pruebas independientes, pero con 2 réplicas, por lo tanto debemos realizar 8 corridas con una repetición (total 16 resultados).
Para entender esta prueba, fijarse en la tercera fila por ejemplo de la figura anterior. Esta simbología significa que en la corrida 3 (Comb. trat.), debemos realizar el ensayo considerando A: agregar 12 mL de HNO3 (nivel alto, +1), B: 3 mL de HClO4 (nivel bajo, -1), C: calentar a 200°C (nivel bajo, -1), D: hasta que la solución no alcance a secarse (nivel alto, +1), E: sin agregar cobre a las curvas de calibración para igualar matriz (nivel alto, +1), F: acidificar las curvas de calibración a un 8% con HCl (nivel bajo, -1) y G: sin agregar Na2SO4 (nivel alto,+1).
Los resultados finales obtenidos al realizar las 16 combinaciones de tratamientos es:
Con estos datos se procede a realizar la prueba estadística en Excel.
Para obtener el efecto promedio positivo se multiplica todos los +1 por el valor hierro obtenido correspondiente a esa combinación de tratamientos.
Para obtener el efecto promedio negativo se multiplica todos los -1 por el valor hierro obtenido correspondiente a esa combinación de tratamientos.
El efecto total es la suma del efecto positivo y efecto negativo para cada réplica, lo que en estadística se denomina "contraste".
Para realizar esta prueba se debe tener en cuenta que se puede realizar a partir de una prueba t, donde el estadístico de prueba es:
donde las siguientes expresiones están involucradas:
Para construir el gráfico se ordenan de mayor a menor los valores absolutos de los T0 asociados a los respectivos factores, lo que se conoce como "Efecto estandarizado":
Finalmente, se construye la carta de Pareto en función de esta tabla en Excel:
Insertar > Columnas agrupadas > seleccionar datos > agregar valores de la serie; B6:B12, aceptar y en editar agregar: A6:A12, aceptar
Agregar una nueva serie; C6:C12, acepta y aceptar. Luego, cambiar tipo de gráfico e ir a combinado, donde la serie 1 debe quedar como columnas agrupadas.
Como conclusión, según este gráfico y p-valor, con un 95% de confianza, el factor F (acidez matriz de la curva) es significativo sobre la respuesta. Es decir, pequeñas variaciones de la acidez en las curvas de calibración (+/-2 mL) que no son consideradas en las soluciones de las muestras al momento de medir en el instrumento pueden tener impacto en el resultado final del análisis.
