完璧な2²組合せ表を作っても、low-lowからhigh-highまで標準順で実行する間に装置が温まり続ければ、条件効果と時間driftが混ざります。設計表の幾何だけでは良い実験は完成しません。
この単元の問いは一つです。
同じ処理組合せを実行するとき、順序・複製・blockはどのバイアスと不確実性を防ぐか。
標準順と実行順を分けます
標準順は設計を読みやすく並べる数学的順序です。実際のrun orderは可能な範囲で無作為化します。無作為化は時間drift、作業者の習熟、装置温度、原料変化など未知のノイズが特定処理条件に系統的に付くことを防ぎます。
無作為化はdriftをなくすのではありません。driftを複数条件に散らし、ランダム誤差として扱う根拠を作ります。時間を記録していればrun orderの残差図で傾向を確認します。安全・洗浄・原料制約で完全無作為化ができなければ、制約を記録しsplit-plotなど適切な設計・モデルを使います。任意に並べて「randomized」と書きません。
複製は同じ処理を新しい実験単位へ再適用します
独立複製replicationは同じ処理組合せを新しい独立実験単位で再実行します。自然変動を直接観測し、pure errorを推定し、効果SEとlack of fitの判断を可能にします。
技術反復は同じsampleを機器で複数回読むことです。測定精度を上げQCを助けますが、生物学的・工程変動の独立nは増やしません。
- donor 6人の各条件測定: donor n=6
- 一donor sampleを6 wellへ分注: donor n=1、technical wells=6
- 独立batch 3件を各2回機器読み: batch n=3
‘n=12’だけでは12 donorか、一donorの12 wellかは分かりません。biological/process replicateとtechnical replicateを表と解析で分けてください。技術反復を独立nと数えるのはpseudoreplicationです。
blockは既知の大きなノイズ源の中で公平に比べます
実験を一日で終えられずDay 1とDay 2の差が予想されるなら、日付をblockに置きます。各blockに比べる処理を均衡に入れ、block内で無作為化します。block効果をモデルに含め、関心効果から日付差を分離します。
blockは無料ではありません。一部のfactorial interactionとblockがconfoundedされ得ますし、一blockに特定処理しかなければ処理とblockを分けられません。重要処理を各blockに配置できるか設計前に確認します。
In-Silico Lab: driftを標準順と無作為順へ付けます
- run当たりdrift=1で、標準順の後ろの条件が系統的に高いか見ます。
- 同じdriftでrandomized=yesに変え、条件と時間の結合がどう変わるか見ます。
- seedを変え、無作為化が唯一の正解順でないことを確認します。
- 各処理組合せの二行が独立複製という仮定がなぜ必要か説明します。
時間ドリフトと実行順序の組み合わせを解除してください
同じ2²の組み合わせを2回実行しますが、標準順序とランダムな順序でドリフトがどの条件に付くかを比較します。
初めての場合：何を押すべきですか？
- 1.質問を最初に読むLabタイトルで今回比較する1つを確認してください。
- 2.条件を1つだけ変更する最初は、n、効果、散布などの入力の1つだけを変更します。
- 3. 新しい合成サンプル 押す新しい合成データが作成されます。同じ条件も標本によって変わり得る。
- 4. 図と計算結果 比較する変更の前後に何が動いて、何がそのままであるかを一文で書き留めてください。
詰まったら初期化に戻り、デフォルトの結果を見た後、条件を1つだけ置き換えます。このLabは正解判定器ではなく、パターン観察ツールです。
同じ設定の合成観測
| order | A | B | rep | Y observed |
|---|---|---|---|---|
| 1 | 1 | 1 | 4 | 87.0 |
| 2 | -1 | 1 | 3 | 64.0 |
| 3 | 1 | -1 | 3 | 71.0 |
| 4 | 1 | -1 | 4 | 72.0 |
| 5 | -1 | -1 | 1 | 65.0 |
| 6 | 1 | 1 | 5 | 92.0 |
| 7 | -1 | 1 | 2 | 69.0 |
| 8 | -1 | -1 | 2 | 68.0 |
計算結果
ランダム化はドリフトを取り除きません。特定の処理に体系的に付着しないようにし、既知の大きな源はブロックに分離します。
教育用 synthetic model ·bjs-factorial-sequence-v1。実際の研究判断には、実験単位、欠測、分布、多重性、事前計画とドメイン基準を別々に反映しなければなりません。
ブラインディングと割付隠蔽も実行品質の一部です
測定者が処理条件を知ると、境界判定や除外にバイアスが入り得ます。可能ならsample IDをblindにし、除外規則を事前定義し、run failureと再実行をすべて記録します。無作為化seedだけを残し実行逸脱を隠せば、再現可能な設計ではありません。
JMP設計表では三列を区別します
標準順序と実際の実行順序を区別します。
独立再実行のみ純粋誤差情報に貢献します。
日付・原料バッチのような既知のノイズ源をモデルに分離します。
PatternまたはStandard Order、Run Order、Block列をそれぞれ読み、元データrow IDへつなげます。オプションでreplicate数を指定しただけでは実際の独立性は保証されません。ソフトウェアは新batchか同sampleの再測定かを知りません。
実行レシートに残す項目
- design versionとcandidate model
- factorの実際の単位と許容範囲
- standard order、randomized run order、seed
- block定義とblock内無作為化
- 独立実験単位IDとtechnical replicate ID
- 実行時刻、装置、作業者、原料lot
- 欠測・再実行・protocol deviationと理由
- blind解除時点
この単元の要点
- 無作為化は処理と時間・順序ノイズの系統的結合を切ります。
- 独立複製はpure errorと効果SEを推定します。
- 技術反復は独立実験単位を増やしません。
- blockは既知の大きなノイズ源内で比較します。
- blockと処理効果がconfoundedされないよう配置します。
- 設計表と実際の実行逸脱を両方記録します。
次の単元では実行した応答をeffect、ANOVA、回帰式、Profilerへつなげつつ、残差とモデル階層を守ります。
公式補足資料
この記事の実行表とLabは教育用の合成資料です。