Diseños factoriales: principios y aplicaciones

Diseño experimental en Python

James Chapman

Curriculum Manager, DataCamp

Entender el diseño factorial

Estudia múltiples variables independientes/factores en un experimento
Prueba todas las combinaciones de niveles
Descubre efectos directos e interacciones entre factores

Un experimento que muestra cómo las condiciones de luz y el tipo de fertilizante afectan el crecimiento de las plantas.

¹ Imagen generada con DALL·E 3

Ejemplo de datos de diseño factorial

Factor 1 (Light_Condition) - dos niveles: Full Sunlight y Partial Shade
Factor 2 (Fertilizer_Type) - dos niveles: Synthetic y Organic
Variable numérica de respuesta/dependiente/resultado: Growth_cm

plant_growth_data.head()

   Plant_ID  Light_Condition  Fertilizer_Type  Growth_cm
0         1    Full Sunlight        Synthetic  16.489735
1         2    Partial Shade          Organic  18.361689
2         3    Full Sunlight        Synthetic  18.039459
3         4    Full Sunlight          Organic  12.682425
4         5    Full Sunlight          Organic  21.480601

Organizar datos para visualizar interacciones

plant_growth = pd.pivot_table(plant_growth_data, 
                              values='Growth_cm',
                              index='Light_Condition',
                              columns='Fertilizer_Type', 
                              aggfunc='mean')


plant_growth

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Visualizar interacciones con un mapa de calor

import seaborn as sns
import matplotlib.pyplot as plt
sns.heatmap(plant_growth, 
            annot=True, 
            cmap='coolwarm',
            fmt='g')
plt.show()

Mapa de calor de crecimiento de plantas

Interpretar interacciones

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Interacciones: cómo varía el efecto de un factor según el nivel de otro
Interacción significativa → los factores no actúan de forma independiente

Diseños factoriales vs. bloques aleatorizados

Múltiples tratamientos e interacciones
Desglosa efectos multivariables complejos e interacciones
Puede requerir más sujetos

Un experimento que muestra cómo las condiciones de luz y el tipo de fertilizante afectan el crecimiento de las plantas.

Agrupa sujetos similares en diseños aleatorizados
Controla la varianza dentro de bloque
Cada tratamiento se prueba en cada bloque

Dos bloques con cubos de colores asignados aleatoriamente.

¹ Imágenes generadas con DALL·E 3

¡Vamos a practicar!

Diseño experimental en Python