code

2017年1月10日 星期二

Statistics筆記3 - Experimental Design

怎麼設計一個experiment? 四原則


(1) control: 選擇對組別給予不同措施(treatment),例如control group(控制組)不給任何treatment,而treatment group分別給予不同treatment。
(2) randomize: 隨機選擇接受措施的受試者
(3) replicate: 取大量的sample或是整個族群
(4) block: 如果某些變數對實驗結果有些變數對實驗結果有負面影響,利用隨機性拿掉影響。

Blocking

舉例來說比較好懂。假設要測試某藥,族群有A B兩種人,其中A可能對藥物的敏感度較高,所以為了抵銷這種敏感性造成的影響,先把族群分成A B兩群,然後隨機挑選其中的人加入control group or treatment group,所以控制組和對照組都有A B兩族群的隨機挑選者,意即sampling bias被抵銷了。

如果對照組發現藥物反應有效的證據強,則可以排除變數A的影響。

blocking簡單來說就是stratifying,只是前者是random assignment,後者是random sampling

Random Sampling & Assignment

random sampling:這是假設sample到任一元素的機率相等,所以選出的subset是有族群代表性的,得到的結果可以“合理的”generalize to all population。

random assignment (for experiments):這是在實驗中,為了消除可能造成實驗結果影響的變數(例如性別),先把擁有這個變數特性的族群劃分開來,例如男人一群,女人一群,然後隨機設定某人是在對照組和實驗組,此隨機性可以讓此變數在對照組和實驗組有中相同機率分佈,隨機性抵銷了此變數對某組別的影響,我們可以因此得到因果關係(某種treament是因,實驗結果是果)。


若是我們不知道什麼變數會對實驗造成影響,因而無法做blocking,則此時可以假設有某些變數會造成影響,稱為confounding variables。所以先從population做一次random sampling,則此隨機性代表sample中各種可能confounding variables的發生機率分布均等,接著再做random assignment讓各種confounding variables在不同實驗對照組中的機率分不均等,進而抵銷其影響。




安慰劑效應以及雙盲測試

應該是常識了,BJ4:









沒有留言:

張貼留言