實驗設計-9

之前有提到所謂「單因子」。別想太複雜，他就是你關心的一個題目。
燈有亮沒亮（兩個水準、兩種處理別），對植物成長的影響。
紅燈、黃燈、藍燈（三個水準、三種處理別），對植物成長的影響。

所謂的實驗設計，就是依上述所設定的問題，到底夠不夠完整性、具不具封閉性。
若沒有，妳就得要事先說明自己實驗設計的限制性。要把前提條件講清楚。

燈有沒有亮，兩個水準，「有亮」、「沒亮」。那時間多長呢？受不受日照影響呢？也就是你實驗所設定的環境。如果有另外的因素造成妳的實驗結果不一致性，那你所蒐集的資料就沒有意義。既然沒有意義，就不用浪費時間去搞數學模式了。

假設，妳的實驗環境設計非常完善。在一個密閉無日照的環境中，一個有用燈，一個沒有用燈。有用燈，燈的型號、亮度等等資訊都得收集。
接著，妳的問題就會變成，那～～妳到底要收集什麼資料。
原始問題是要問對植物成長的影響性。好～是什麼植物，要量測什麼數據來當做「成長」的「同義」資料。莖的週長、葉子長度、新發芽葉子，根的長度等等。有感覺了嗎？植物成長是你問題，某某數字就是你的題目。因為，是題目、是數字才能夠計算，才能夠比較。

問題還是沒有解決，因為還不夠嚴謹。
之前提過，所有的量測都會有誤差。我們要努力降低這個誤差，讓我們所收集到的數據資料是真的非常貼近於事實。這樣子我們才有可能下結論，而且是一個可以說服別人的結果。

所以，妳必須多量幾次。如果你只分別各種一棵植物，那是不是要多量幾個地方。有沒有可能，莖只有一個，妳也只能量一次。那就有風險性了。
各別多重幾棵吧，嗯，也許就可以降低量測誤差吧。
可是，妳不能有燈照的種子，與沒有燈照的種子是來自不同的植物，來自不同的購買源，這樣子又產生新的誤差來源。
所謂的隨機抽樣就是要降低這樣子誤差，減少別人對你實驗數據的攻擊。

接著又有問題了，那到底要種幾棵呢？這又是另一個實驗設計的問題。因為受限於資源（時間、經費等）妳不可能把全世界的種子都拿來種，但是，又得確保數據資料足夠，而不會有偏差。
這回到統計的問題，這叫大數法則。理論上，只要我收集的資料夠多，那會產生的誤差，應該會呈現常態分配（像一個倒鐘），可是怎麼才叫做夠多呢？一般來說是需要30筆。
也就是說，妳有兩個水準的話，那建議起碼要各種15盆，這樣子可能會減少資料的偏差(Bias)。

等你妳先解決的這些「問題」的問題後，才能說，我收集到了一堆數據資料，然後應該要用什麼樣的「題目」來得出，我的論點「有照」與「沒照」對於植物的成長有顯著的影響。


先聊到這，因為，接著會進入數學領域中。若沒做好心理建設，我想會放棄的人比較多吧。