실험 설계가 필요한 이유는 당사 실험에 여러 가지 상황이 존재하는 경우가 많기 때문입니다. 만약 상황이 많다면, 조합을 배열하여 일일이 검증하는데 시간이 많이 걸리고, 어떤 경우에는 시전 하기가 어렵기 때문입니다. 때때로 우리는 필요한' 양성' 을 선별하기 위해 일련의 실험을 의도적으로 설계한다. 또 다른 경우는 자연계의 어떤 현상을 설명하기 위해 통계학 원리를 이용하여 시뮬레이션과 검증을 해야 한다는 것이다. 이를 납득시킬 수 있도록 제시된 가설은 검증 사상과 실험 설계 사상이 일치한다는 것이다.
여기서 알 수 있듯이, 실험 설계의 목적은 실험에 대한 과학적 지침과 분석 모델을 제공하고 실험 횟수를 줄여 비용 (시간, 인력, 물력) 을 줄이는 것입니다. 데이터 양은 줄이되 정보는 줄이지 않아 분석에 유리하다. 다음은 일반적으로 사용되는 세 가지 실험 설계 방법을 간략하게 설명합니다.
는' 임의 전체 그룹 설계' 라고도 합니다. 이 방법은 가장 간단하지만 때로는 매우 효과적입니다. 이 방법으로 실험을 설계하는 목적은 한 가지 요인이 실험 대상에 미치는 영향을 검증하는 것이다. 일반적으로 동일한 조건에서 N 개의 영역 그룹을 설계하는데, 일반적으로 리본입니다. 요소는 섹션 그룹 간에 수평 (값) 이 다르지만 섹션 내의 요소 레벨 (값) 은 일정합니다. 구조의 실험 대상은 무차별적인 무작위 개체이다.
예를 들어, 세 가지 서로 다른 출처의 통일연령의 삼나무 모종 (세 가지 가계) 중 한 가계가 더 커 보이며 다른 가계와 구별할 수 있을 것 같지만, 이 성질이 안정적인지, 통계적으로 차이가 있는지 여부는 확실하지 않다. 이 시점에서 평가는 완전 무작위 실험을 통해 수행됩니다. 세 가계의 모든 어린 모종을 같은 환경에서 재배하고, 같은 가계의 씨를 함께 심다. 이 예에서 이른바' 한 가지 요인' 은 가계이고, 나머지 조건은 모두 같다. 얻은 나무는 단일 요소 분산 분석 (one-way ANOVA) 에 많이 사용되며, 그 결과' 가계' 라는 요인이 삼나무 성장에 미치는 영향을 평가할 수 있다.
대부분의 실험의 영향 요인이 하나 이상이거나 하나로 통제하기 어렵기 때문에 랜덤 블록 설계가 필요합니다. 이 설계의 목적은 한 실험에서 실험 대상이 두 가지 요인에 의해 동시에 작용할 때 이 두 가지 요소의 주차와 효과를 평가하는 것이다. 일반적인 방법은 완전히 무작위화된 실험을 기초로 각 구역 그룹 내부에는 어떤 요인에 따라 다른 수준의 처리가 있는 것이다. (존 F. 케네디, 공부명언)
예를 들어, 이 세 가계의 삼나무는 현재 같은 환경에서 재배되지 않고 질소 함량이 다른 세 가지 토지에 심어져 있다. 이 디자인의 목적은 더 이상 가계가 삼나무 성장에 미치는 영향을 평가하는 것이 아니라, 가장 잘 자란 삼나무, 가계, 토양의 질소 함량이 어떤 것인지, 그리고 이런 최고의 성장 상황이 평균수준에 비해 현저하다는 것을 평가하는 것이 아닌가? 각 학과의 희질소 선호도를 알고 최적의 단주를 얻고 싶기 때문이다. 때때로 2 요소 분산 분석 (two-way ANOVA) 을 거친 후 다중 비교 (multiple comparisons) 를 수행하면 각 요소의 실제 작용에 대한 상대적 기여도를 발견할 수 있어 결과가 현저하게 나타나는 요인을 발견할 수 있습니다.
이 방법은 실제 실험 횟수를 줄일 수 있는 방법이며 매우 자주 사용됩니다. 두 가지 요소 이상의 실험에 대해 무작위 구단 설계는 무력하고, 두 요소 이상의 실험 횟수는 보통 많기 때문에 직교성에 따라 전면적인 실험에서 대표적인 점을 골라 시험해 볼 수 있다. 이러한 대표적인 점들은 고르게 분산되고, 가지런히 비교될 수 있는 특징을 가지고 있다. (윌리엄 셰익스피어, 윈스턴, 과학명언) (윌리엄 셰익스피어, 윈스턴, 과학명언) (그림 1)
실험 설계와 데이터 분석을 구분하는 것은 두 가지 과정입니다. 전자는 단지 방안을 제공할 뿐, 얻은 데이터를 분석하려면 분산 분석과 가설 검사 등에 의지해야 한다. 구체적인 절차는 "실험 설계" 관련 참고서를 참조한다. 분석은' 수리통계' 등을 참고한다.