試驗設計學 第一章至第九章精華篇 試驗研究五步驟: 1. 嚴謹設計 2. 資料搜集 3. 資料整理 4. 統計分析 5. 合理推論

嚴謹的試驗設計 – 似醫生的正確診斷 合適的統計方法 – 似醫生的有效處方 統計學家的職責 嚴謹的試驗設計 – 似醫生的正確診斷 合適的統計方法 – 似醫生的有效處方

試驗時最關心的兩個問題 如何獲得良好的試驗資料 如何選用合適的統計分析法

試驗誤差的作祟 如何管束試驗誤差,即為本文的主要任務 試驗時最傷腦筋的事情 試驗誤差的作祟 如何管束試驗誤差,即為本文的主要任務

一個好的研究必須要有嚴謹的設計 ，客觀的試驗過程及合理的推論。因此試驗時必須遵守下列三個原則 一、試驗研究重要三原則 一個好的研究必須要有嚴謹的設計 ，客觀的試驗過程及合理的推論。因此試驗時必須遵守下列三個原則 設置重複（set up replication） 隨機排列（random arrangement） 誤差控制（error control）

設置重複 同一處理（如食品、藥品、療法,品種）所使用的試驗單位數即為重複。 主要作用是估算試驗誤差以備統計推論之用。 若試驗只做一次(重複一次),則無法估算試驗誤差,也就無法做統計推論 重複次數愈多,理論上試驗誤差愈小，試驗結果會愈準確可靠。 一般來說,計量資料,如果誤差控制得好,設計均衡,10-20次即可,甚至還可小一些;而計數資料,即使誤差控制得好,也需要30-100左右 農作物田間試驗則僅需4-6次 試驗地（A、B、C代表作物品種） A B C ←試區 （系統排列法不妥當）

隨機排列 哪一個處理被安排於哪個試驗單位要機會均等，不能有人為的主觀偏見。 隨機排列與重複相結合，試驗數據就能估算無偏的（unbiased）試驗誤差，統計推論才合理可靠。 隨機法有:拋硬幣,擲骰子,抽籤,利用隨機數字表 試驗地之地利或水分均衡 B C A （各處理隨機排列法）

誤差來源有兩種 系統誤差（systematic error） 隨機誤差（random error） 誤差控制 誤差來源有兩種 系統誤差（systematic error） 隨機誤差（random error）

系統誤差 同一處理以不同儀器，或同儀器不同人或同人不同時間測得的數據皆不相同，而有偏差（bias），這種偏差稱為系統誤差。 系統誤差是一種有原因、有方向的偏差，這種偏差會影響試驗結果的準確性（accuracy）。 導致系統誤差的原因可能不只一種，方向也不一定相同。 規劃各種試驗設計就是用來排除系統誤差。

系統誤差示意圖 Ⅰ Ⅱ Ⅲ Ⅳ 試驗地之 地力或水分不均衡 區集內試區之 地力相似 區 集 區集間試區之 地力相異 （參試處理在各區集內隨機排列） 區集內試區之 地力相似 區集間試區之 地力相異 Ⅰ Ⅱ Ⅲ Ⅳ

隨機誤差 測驗一批性質相同的物品時，即使儀器相同，也由同一人同一時間測量，結果各個測量數據卻不會相同，這表示實驗數據有誤差，這種誤差完全不知道什麼原因造成的，是偶然發生的，我們稱之為隨機誤差。 隨機誤差就是試驗誤差，有正值，也有負值。 試驗過程中涉及隨機誤差的原因很多,如田間試驗的土壤差異,動物試驗的體質差異,甚至工作人員的操作不穩都可能是隨機誤差的來源 隨機誤差不能避免,但可以減小,這有賴試驗者的安排控制

隨機誤差示意圖 B C B A A B C C C A A B 僅有隨機誤差 Ⅰ Ⅱ Ⅲ Ⅳ B C A 區 集 包括系統誤差及隨機誤差

二、規劃試驗設計三原則 根據下列三原則可規劃出幾種常用試驗設計法 試驗材料（如人、動物、植物、昆蟲、 微生物、土壤等）:是同質或異質。 試驗材料（如人、動物、植物、昆蟲、 微生物、土壤等）:是同質或異質。 試驗空間（環境）:是相同或不同。 試驗時間 :各處理是否同時進行試驗。

同質與異質比較示意圖 B C A C A B 1 2 3 B C A 同質、同時、同空間 異質或異時或異空間 Ⅰ Ⅱ Ⅲ Ⅳ B C A 異質或異時或異空間 1 2 3 Ⅰ Ⅱ Ⅲ B C A C A B 兩向異質或異時及異空間

三、有效控制試驗誤差四種基本試驗設計 由上述試驗設計三原則可規劃出下列四種常用試驗設計 完全隨機設計（Completely Randomized Design：CRD） 適用於單向變方（變異數）分析（one-way analysis of variance: anova ) 隨機完全區集設計（Randomized Complete Block Design:RCBD) 適用於雙向變方（變異數）分析（two-way analysis of variance) 拉丁方設計（Latin square Design：LSD） 適用於雙向變方分析 交叉設計或輪換設計（Cross-over Design or Change-over Design： COD ） ＊規劃各種設計的主要原則是要讓參予試驗的各處理 有相同的待遇(均衡原則)

（一）完全隨機設計（Completely Randomized Design:CRD） (one-way classification)) 採用本設計的條件 各處理（如以A、B、C代表三種食品、藥品,作物品種） 所使用的試驗材料要同質、同時於同環境進行試驗 各處理要隨機排列如下圖 本設計之優點：試驗最簡單，試驗結果效力最高,適合任意處理數及重複數的試驗。 B C A

【例1.1】設A、B、C為三種不同配方的食品(或作物品種)，進行品質(或產量)比較試驗，試驗材料為同一天出生的天竺鼠（或白老鼠），每種食品（處理）重複四次共需3×4＝12隻天竺鼠，飼養一段時間後增重紀錄（克）如下： （上列各資料減10） B 9 C 13 B 6 A 4 A 7 B 8 C 11 C 10 A 8 A 5 B 5

變方（變異數）分析 A 7 8 5 24 6 1.83 B 9 28 C 10 13 11 44 1.41 96 單向分類模式 假設檢定 重複 飼料 1 2 3 4 和 平均值 標準偏差 （SD） A 7 8 5 24 6 1.83 B 9 28 C 10 13 11 44 1.41 96 單向分類模式 假設檢定 各效應平方和求法 總平方和 SST= 處理平方和 SSt= 誤差平方和 SSE=SST-SSt= 82 – 56 = 26

變方(變異數)分析表(one-way anova) 變因 自由度 平方和 均方 F值 F(0.01) 處理（t） 2 56 28 8.0215 誤差（E） 9 26 2.9 總計（T） 11 82 結論：F=9.69> 三食品品質間有差異 若此結論下錯了,其錯誤率小於1% (此種錯誤統計學上稱為第一型錯誤:type I error)

各食品試驗結果平均值差異比較法 常用方法有: Fisher 的最小顯著差異法（LSD） Duncan 的多變域檢定法（MRT） Bonferroni 的B值檢定法 Tukey 的H檢定法 Scheffe 的S值檢定法等多種 S>H>B>MRT>LSD

Fisher’s 最小顯著差異值(Least Significance Difference, LSD)

例：A,B,C三食品飼養天竺鼠平均增重比較 處理 均值 實測差異值 C 11 - B 7 4* - A 6 5* 1 - *號表示兩處理均值間的差異達到5%顯著水準 處理 均值 實測差異值 C 11 - B 7 4* - A 6 5* 1 -

鄧氏新多變域測驗法 Duncan’s New Multiple Range Test(DMRT) 其臨界值之計算式如下:(見附表8) r=2, r=3,

鄧氏新多變域測驗法(DMRT) 處理 均值 實測差異值 --------------------------------------- 處理 均值 實測差異值 --------------------------------------- C 11 - B 7 4* - A 6 5* 1 - ---------------------------------------- *號表示兩處理均值間的差異達到5%顯著水準

雪菲S法(Scheffe’s S Method) 兩處理均值差之臨界值計算式:

雪菲S法(Scheffe’s S Method) 處理 均值 實測差異值 --------------------------------------- C 11 - B 7 4* - A 6 5* 1 - ---------------------------------------- *號表示兩處理均值間的差異達到5%顯著水準

Bonferroni多重比較方法 顯著水準：α，兩兩比較個數：k 調整顯著水準： α*=α/k Bonferroni(1-α)%信賴區間 決策方法：若處理i與i´之Bonferroni(1-α)%信賴區間不包括0 　處理i與i´之平均值間有顯著差異

例 A,B,C三食品飼養天竺鼠平均增重比較 比較 A VS. B (-5.73,3.73) A VS. C (-9.73,-0.27)* B VS. C (-8.73,0.73)

Tukey忠誠顯著差異值 (Honest Significance Distance,HSD) Ｑα, m, dfE 決策方法：若處理i與i´之HSD不包括0 　處理i與i´之平均值間有顯著差異

例 A,B,C三食品飼養天竺鼠平均增重比較 比較 HSD A VS. B (-7.26,5.26) A VS. C (-11.26,1.26) B VS. C (-10.26,2.26)

[例1.2]A,B,C三食品品質比較,試驗材料為 12隻白老鼠,試驗結果增重如下 重複 飼料 1 2 3 4 和 平均值 標準偏差 （SD） A 14 19 20 15 68 17 B 24 18 22 84 21 C 23 28 25 100 單向分類模式 假設檢定 各效應平方和求法 總平方和 處理平方和 誤差平方和 SSE=SST-SSt= 200 –128 =72

變方(變異數)分析表(one-way anova) 變因 自由度 平方和 均方 F值 F(0.05) 處理（t） 2 128 64 8 4.26 誤差（E） 9 72 總計（T） 11 200 結論：F=8> 三食品品質間有差異 若此結論下錯了,其錯誤率小於5% (此種錯誤統計學上稱為第一型錯誤:type I error)

Fisher’s 最小顯著差異(Least Significance Difference, LSD) 若實測處理i與i´之間的差異比理論的LSD大,表示處理i與i´之平均值間有顯著差異

[例1.2]A,B,C三食品品質比較 處理 均值 實測差異值 C 25 - B 21 4 - A 17 8* 4 - 號表示兩處理均值間的差異達到5%顯著水準 處理 均值 實測差異值 C 25 - B 21 4 - A 17 8* 4 -

【例1. 3】設由A,B,C三水稻品種示範田中以矩陣隨機抽樣法各調查六個單位(每單位20株)之螟害發生情況,各品種螟害率如下,如何檢驗三水稻品種對螟虫之抵抗性是否有差異 (%) 1 8.9 10.6 7.6 2 10.2 13.7 6.7 3 7.4 11.6 11.2 4 12.8 19.0 4.9 5 9.2 9.8 6.0 6 6.3 10.5 10.4 平均值（ ） 9.13 13.37 7.8 標準偏差（SD） 5.1347 11.9787 6.2440 6 6 6

變方(變異數)分析表 (one-way anova) 結論：三處理平均值間有差異 變 因 自由度 平方和 均方 F值 F(0.05) 變 因 自由度 平方和 均方 F值 F(0.05) 處理（t） 2 101.3733 50.6867 6.51 3.6823 誤差（E） 15 16.7867 7.7858 總計（T） 17 218.1600 結論：三處理平均值間有差異

水稻三品種螟害率差異比較 利用Fisher的LSD比較 品種 A B C 9.13a 13.37b 7.80a 結論:B品種螟害率比A,C品種高,而A,C兩品種則無 差異

非成對t值檢定（unpaired t test） 僅兩處理完全隨機設計（CRD），亦稱平行設計（parallel design）。 將試驗單位(動物:同質）完全隨機分成兩組 試驗單位 n=20 隨機分配 第 1組 10 第 2組 10 A藥品 B藥品

【例1.3】由【例1.1】資料，A、B兩食品品質比較 飼料 1 2 3 4 和 平均值 標準差 A 7 8 5 24 6 1.83 B 9 28 平方和 共同均方（誤差均方） MSE=（SSA+SSB）/（4+4-2）=20/6=3.3333 兩食品品質無差異

變方分析法 各項平方和求法

變方分析表 兩食品品質無差異 變因 自由度 平方和 均方 實測F值 F(0.05) 食品 1 2 2 0.60 NS 5.99 ______________________________________________________________________________________________________________________________________________________ 食品 1 2 2 0.60 NS 5.99 誤差 6 20 3.33 _____________________________________________________________________________________________________________________________________________________ 總計 7 22 兩食品品質無差異

【例1.4】由【例1.2】資料，A,B兩水稻品種螟害率比較 重 複 1 2 3 4 5 6 和 平均 品種 A 8.9 10.2 7.4 12.8 9.2 6.3 54.8 9.13 品種 B 10.6 13.7 11.6 19.0 9.8 15.5 80.2 13.37 A,B兩水稻品種螟害率有差異

試驗材料為異質（或異時或異環境）,但可明顯分成幾組，每組集合數個性質相同的試驗單位而成一區集（block）。 （二）隨機完全區集設計（Randomized complete Block Design :RCBD） (two-way classification) 採用本設計條件 試驗材料為異質（或異時或異環境）,但可明顯分成幾組，每組集合數個性質相同的試驗單位而成一區集（block）。 各區集內之試驗單位數必須等於處理數 在各區集內參試處理要隨機排列,形成同源配 B C A Ⅰ Ⅱ Ⅲ Ⅳ

本設計優點： 本設計缺點： 可剔除試驗材料（或時間或環境）不同時之系統誤差，以減小試驗誤差。 任意處理數及區集數均可 若試驗材料為同質，其試驗效果不如完全隨機設計(CRD） 試驗結果資料有缺值時,資料分析比較複雜

【例2.1】設A、B、C為三種不同配方的食品(或作物品種)進行品質(產量)比較試驗，每種食品（處理）重複4次，試驗材料為四個不同時間出生的天竺鼠（異質），其試驗設計圖及飼養一段時間後之增重（克）如下 Ⅰ Ⅱ Ⅲ Ⅳ 區集 B 16 C 18 C 20 A 18 C 14 A 15 B 25 C 22 A 10 B 20 A 16 B 28

變方（變異數）分析 處理 Ⅰ Ⅱ Ⅲ Ⅳ 和 平均值 A 10 15 16 18 59 14.75 B 20 25 28 89 22.25 C 14 22 74 18.50 40 53 61 68 222 雙向分類模式 假設檢定 各效應平方和求法 總平方和 SST= 區集平方和 SSB= 處理平方和 SSt= 誤差平方和 SSE=SST-SSB-SSt=10.17

變方(變異數)分析表(two-way anova) 變因 自由度 平方和 均方 F F(0.05) 區集(B） 3 144.33 48.11 28.46 4.7571 處理(t） 2 112.50 56.25 33.28 5.1433 誤差(E） 6 10.17 1.69 總計(T） 11 267.00 結論： （1）四個區集間材料有差異（系統誤差存在） （2）三食品品質間有差異

各食品試驗後平均值比較測驗 採用Fisher的LSD值 飼料 平均值 實測誤差值 差異符號 B 22.25 - a C 18.50 b A 14.75 c 三食品品質差異測驗結果為

單向變方(變異數)分析(one-way anova) 變因 自由度 平方和 均方 F值 F(0.05) 處理（t） 2 112.50 56.25 3.28 4.2565 誤差（E） 9 154.50 17.167 總計（T） 11 267.00 結論：三食品品質間無差異 因沒排除材料大小不同的系統誤差 造成試驗誤差太大，以致檢定不出 處理平均值間的差異。

【例2.2】今有A,B,C,D四種飼料進行養豬試驗,從四胎母豬中各取四隻體重相近的小豬進行試驗,飼養兩個月後得增重結果 如下 區 集 處理 I II III IV 和 平均值 ------------------------------------------------------- A 10 15 16 15 56 14.00 B 16 20 25 22 83 20.75 C 14 18 20 16 68 17.00 D 12 16 18 15 61 15.25 和 52 69 79 68 268

變方(變異數)分析(two-way anova) 四種飼料品質比較變方分析表 變因 自由度 平方和 均方 F值 F(0.05) ----------------------------------------------------------------------- 區集(B) 3 93.5 31.167 28.05 3.86 處理(t) 3 103.5 34.500 31.05 3.86 誤差(E) 9 10.0 1.1111 總和(T) 15 207.0 四處理均值間品質有差異

各處理平均值差異比較 採用Fisher之LSD=1.69 A B C D 平均值 14.00 20.75 17.00 15.25 差異符號 a b c 結論：四種飼料品質間A與D沒差別,而皆比B,C品質差,而以B品質最好 。

【例2.3】某次茶葉品質競賽,有四位茶農參加,６位品評員（異質）進行評分,以自身配得結果 如下 A B C D (分 ） １ ６7 7８ 82 88 ２ 75 80 79 90 ３ 70 77 80 84 ４ 66 72 70 79 ５ 78 82 80 86 ６ 69 76 84 89

變方(變異數)分析(two-way anova) 因品評員通常為異質材料（遺傳值、體質、生活環境均不同），故應採用雙向變方分析。 每一品評員為一區集。 各處理能隨機化，待遇相同，且可求隨機誤差（試驗誤差），可供統計分析之用。 變方分析表 變因 自由度 平方和 均方 F值 F(0.05) 區集(B） 5 249.3750 49.8750 6.25 2.9013 處理(t） 3 698.4583 232.8194 29.15 3.2874 誤差(E） 15 119.7917 7.9861 總計(T） 23 結論：四種茶葉品質間差異顯著 6位品評員確為異質材料(區集間差異顯著)

各處理平均值差異比較 採用Fisher之LSD=3.4776 A B C D 平均值 70.83 77.50 79.17 86.00 差異符號 a b c 結論：四種茶葉品質評分結果B與C沒差別且是 中等, A較差,而D最好 。

成對t值檢定（paired t test） 僅兩處理隨機完全區集設計（RCBD） 兩處理配對設計依試驗材料之特性有下列兩種配法 （1）同源配對 （2）自身配對

同源配對－安排兩處理之兩個試驗單位（動物或植物或土壤）要同種屬、同性別、同年齡與相近體重(或地力)。 I II III IV

【例2.3】由【例2.1】取A、B兩食品品質比較 Ⅰ Ⅱ Ⅲ Ⅳ 差平方和 兩食品間品質有差異 飼料 區集 和 平均 A 10 15 16 18 59 14.75 B 20 25 28 89 22.25 A-B -6 -5 -9 -10 -30 -7.50 差平方和 兩食品間品質有差異

自身配對 * 同一試驗單位（如人、大型動物 或植物）分成兩部位安排兩處理 *同一試驗單位在前後不同時間安 排兩處理

【例2.4】由【例2.2】以A與B兩茶葉品質比較如下 1 2 3 4 5 6 區集 和 平均 A 67 75 70 66 78 69 425 70.83 B 80 77 72 82 76 465 77.50 11 05 07 06 04 40 6.67 差平方和 A 與B兩茶葉品質有顯著差異

（三）拉丁方設計（Latin Square Design:LSD） (two-way Classification) 採用本設計條件 試驗材料為異質（包括時間、空間）但可明顯分成兩向區集 區集數必須等於處理數 參試處理在各向區集（行,列區集）中要隨機排列 試驗地之 地力或水分不均衡 區 集 （參試處理在各區及內隨機排列） 區集內試區之 地力相異 區集間試區之 Ⅰ Ⅱ Ⅲ 1 2 3 區集 本設計優點：有兩向區集變異時可剔除之，減少試驗誤差 缺點：試驗最複雜，限制最多，效率最低。

各處理在兩向區集中隨機排列法 以3×3拉丁方為例 各處理在兩向區集中隨機排列法 以3×3拉丁方為例 行號 1 2 3 B C A 1 2 3 A B C 列號隨機化 列號 2 1 3 C B A 行號隨機化 （應用方）

【例3.1】設今有A、B、C、D四種米飯(處理)品味比較，由四個人（材料為異質）在四天（時間為異質）中品嘗，以測定其米質是否有差別,而得如下評分(滿分為150分) 4×4拉丁方 1 2 3 4 人 和 天 D 130 B 110 C 114 A 123 477 C 143 A 125 D 104 482 B 124 D 115 A 124 C 120 483 4 A 140 C 119 D 113 B 98 470 537 469 461 445 1912 處理 A B C D 和 512 442 496 462 1912

變方(變異數)分析 雙向分析模式 假設檢定 各效應平方和 總平方和 SST= 列區集平方和SSR= 行區集平方和SSC= 處理平方和SSt= 誤差平方和SSE=SST-SSR-SSC-SSt=122.50

變方(變異數)分析表 結論：*不同天之米質評鑑結果相同 *不同人之米質評鑑結果不同 *四種米質評鑑結果不同(處理間差異顯著) 變因 自由度 平方和 均方 F值 F(0.05) 列區集R(天） 3 26.50 8.81 0.43 4.7571 行區集C(人） 1235.00 411.67 20.16 處理（t） 758.00 252.67 12.38 誤差（E） 6 122.50 20.42 總計（T） 15 2124 結論：*不同天之米質評鑑結果相同 *不同人之米質評鑑結果不同 *四種米質評鑑結果不同(處理間差異顯著)

四處理平均值間差異比較 說明：A與C米質沒差異 B與D米質沒差異 A與C米質比B與D為佳 處理 A C D B 均值與差異符號 128a

【例3.2】設今有A、B、C、D四種飼料(處理)進行養豬試驗，各取四頭母豬所生四頭小豬（材料為異質）,而各胎四頭小豬之體重又有明顯差別,故採用雙向區集控制胎別與體重之差異, 其設計圖及增重(公斤)如下: 4×4拉丁方 輕 中 重 最重 和 胎 別 1 B 16 A 10 C 14 D 12 52 2 D 16 C 18 A 15 B 20 69 3 A 14 B 25 D 18 A 16 79 4 D 20 B 22 C 16 72 66 73 64 272 處理 A B C D 和 55 83 68 66 272

變方(變異數)分析表 變因 自由度 平方和 均方 F值 F(0.05) 列區集R(胎別) 3 98.50 32.83 23.12 4.7571 行區集(體重) 11.50 3.83 2.697 處理（t） 99.50 33.17 23.36 誤差（E） 6 8.50 1.42 總計（T） 15 218.0 結論：*不同胎別間有差異 *不同體重間無差異 *四種飼料品質評鑑結果差異顯著

四處理平均值間差異比較 說明：D與C無差異,A,B與C,D間均有差異 以B飼料最佳 處理 A B C D 均值與差異符號 13.75a

（四）交叉設計或輪換設計(Cross-Over Design:COD) (two-way classification) 採用本設計條件 試驗材料為異質，且可明顯分成兩向區集，一向為材料變異，另一向為時間變異。 形同拉丁方設計，但材料（人）變異之區集數不受限制。 每個試驗單位（如人,大型動物）分不同時期重複使用，適合用於材料稀少或昂貴之試驗。 各處理要隨機安排於不同試驗時期，兩時期中間要有一定的休閒期（rest period or wash-out period），以免前期效應殘留於後期。

試驗設計圖 時期 I 時期 II

本設計優點 * 可剔除試驗材料（人、動物）及時期間的系統誤差 * 試驗材料可重複使用,適合於試驗材料稀少或昂貴的試驗 缺點：有殘效（residual effect or carry-over effect）發生時,試驗數據不能統計分析（殘效現象可以檢定出來）

【例4.1】今有安眠藥（以A表示）及安慰劑（placebo，以B表示）進行睡眠時間（小時）比較試驗,12位病人之試驗設計圖及睡眠時間如下 時期 1 2 3 4 5 6 人 Ⅰ A8.5 B4.8 A7.4 A8.6 B6.1 Ⅱ B7.0 A6.5 A6.0 B6.7 B7.2 A8.2 時期 7 8 9 10 11 12 人 Ⅰ B6.0 A6.8 B7.3 A6.6 A6.0 B6.2 Ⅱ A7.0 B5.9 A8.2 B4.9 A7.4 處理 A B 和 87.2 75.8 163

變方(變異數)分析 雙向分析模式 假設檢定 各效應平方和求法 總平方和 SST= 時期集平方和SSP= 個體集平方和SSS= 誤差平方和SSE=SST-SSP-SSS-SSt=3.0600

變方(變異數)分析表(two-way anova) 變因 自由度 平方和 均方 F值 F(0.05) 時期(P） 1 0.0150 0.05 4.9646 個體(S） 11 14.9483 1.3589 4.44 2.9700 處理(t） 5.4150 17.70 誤差(E） 10 3.0600 0.3060 總計(T） 23 結論：＊時期間無差異，個體間有差異 ＊處理間有差異以A藥品睡眠時間 較長

由於本試驗僅有兩處理（A及B），故不用求Fisher的LSD值即可直接下結論。今 處理平均值間差異比較 由於本試驗僅有兩處理（A及B），故不用求Fisher的LSD值即可直接下結論。今 故A安眠藥比B安慰劑對病人睡眠時間為長。

四、結語 唯有經由試驗設計過程所獲得的數據(資料)才是良好可靠資料。 唯有熟悉試驗設計規則才易選對適合的統計分析法。 一般試驗設計除了前述四種基本設計法(CRD,RCBD,LSD,COD)外,尚有由此延伸之幾種設計法, 如 複因子設計,摺疊設計,裂區設計,簡方設計,部份複因子設計,效應曲面設計等

~ The End ~