Kort version

Slumpmässigt stickprov - dra observationerna slumpmässigt ur populationen. (Kap 2.1.)

Oberoende - observationerna påverkar inte varandra. (Kap 2.1.)

Randomisering - detsamma som att välja slumpmässigt. (Kap 2.2.)

Experimentenhet - den minsta enhet som kan tilldelas en unik behandling. (Kap 2.3.)

Behandlingar - olika metoder eller material som jämförs i ett experiment. (Kap 2.3.)

Balanserat försök - alla behandlingar upprepas lika många gånger. (Kap 2.4-2.5.)

Blockering - styr randomiseringen genom att försöksenheterna delas i grupper av lika enheter. (Kap 2.4-2.5.)

Längre version

Slumpmässigt stickprov

Det är inte alltid lätt att dra ett perfekt slumpmässigt stickprov men datorn kan ibland hjälpa till. För att det skall vara ett korrekt slumpmässigt stickprov skall alla observationer vara oberoende av varandra och det räcker därför inte att ta alla plantor från samma bord i växthuset. Om det bordet får för mycket vatten eller för lite ljus så drabbar det alla plantorna och resultatet från dessa plantor blir därför inte oberoende av varandra.

Oberoende

För att kunna lita på de resultat du får fram med de statistiska beräkningarna så förutsätts oftast att observationerna är oberoende av varandra. Det är lite svårt att definiera vad oberoende innebär, men om man mäter på samma planta flera gånger så blir det inte oberoende mätningar och det är stor risk att variationerna mellan mätningarna blir mindre än vad de skulle vara vid oberoende observationer.

Randomisering

För att undersöka en population så handlar randomiseringen om att välja ett slumpmässigt stickprov ur populationen. När det är flera behandlingar är det ett slumpmässigt stickprov från varje på behandling. Behandlingarna fördelas slumpmässigt på experimentenheterna för att undvika systematiska fel som kan uppstå om alla de bästa plantorna får samma behandling. I ett randomiserat försök styr slumpen vilken experimentenhet som ska få vilken behandling och randomiseringen är ofta styrd så att alla behandlingar förekommer lika många gånger. Randomisering kan ske genom att skriva behandlingsnamnen på lika många lappar som det finns experimentenheter (om man vill ha fyra fall av behandling A skulle det t ex finnas fyra lappar med A) och sedan dra en lapp för varje experimentenhet utan att lägga tillbaka lappen. Man kan också använda datorprogram eller slumptalstabeller.

Experimentenhet

Experimentenheter är de objekt försöket utförs på, t ex individuella plantor eller försöksrutor i ett fält. Om man gör flera mätningar på samma experimentenhet så blir det inte oberoende mätningar eftersom ett högt värde vid den första mätningen förmodligen också ger ett högt värde vid den andra mätningen. Om man gör flera mätningar på samma experimentenhet vid olika tidpunkter så brukar det kallas upprepade mätningar (eng. repeated measurements) eller longitudinella mätningar. Dessa är ofta svårare att analysera statistiskt och ingår inte i kompendiet. Om man felaktigt betraktar mätningar från samma experimentenhet som oberoende mätningar så brukar det kallas för pseudo-replikat.

Behandlingar

De olika metoder som jämförs i experimentet. De olika statistiska metoderna delas oftast upp efter hur många behandlingar det är i experimentet; är det två behandlingar så används en annan metod än om det är fler behandlingar. Mer om detta i Kapitel 5.

Balanserat försök

Vid de statistiska analyserna är det ofta en stor fördel att ha ett balanserat försök. Det är därför en god idé att planera för att ha lika många replikat av varje behandling, även om det kan bli obalanserat vid avläsningen om några mätningar saknas.

Blockering

Blockering är ett sätt att styra randomiseringen genom att först dela in experimentenheterna i grupper av lika enheter. För plantor kan det vara att de största plantorna är ett block och för försöksrutor kan det vara att rutorna längst norrut är ett block. Därefter randomiseras behandlingarna inom varje block. Blockförsök är i regel balanserade med varje behandling en gång i varje block. För ett fullständigt blockförsök sägs antalet replikat vara lika med antalet block även om det inte är replikat i exakt den mening som vi beskrev tidigare.

Exempel. Fältförsök

I ett fältförsök på havreskörd har ett fält delats i tolv försöksrutor.
I ett fullständigt randomiserat och balanserat försök med tre behandlingar A, B och C vill man lägga ut 4 rutor av varje behandling.
Randomiseringen kan ske på lite olika sätt, det lättaste är oftast att göra 12 lappar och dra dessa slumpmässigt. Ett annat alternativ är att ta fram slumptal i Excel och sortera försöksrutorna efter slumptalen.
Om nu randomiseringen ger att alla rutor med behandling B ligger på fältets östra sida så kan det bli problem. Om resultatet visar att B är bättre än de andra behandlingarna så är det svårt att veta om detta beror på en verklig behandlingseffekt eller på att fältet är bättre i de östra delarna.
För att slippa denna typ av problem vid randomiseringen så kan man göra ett blockförsök med fyra block. Principen är att blocken bildas så att rutorna inom blocken är så lika som möjligt samt att varje block innehåller varje behandling en gång. Utläggningen av behandlingar inom block sker som tidigare genom randomisering.

Exempel. Randomisering i Excel

Skapa en kolumn med behandlingsnamn. Upprepa varje namn lika många gånger som antalet replikat.

Skapa en kolumn med ID för försöksenheterna.
Skapa en kolumn med slumptal genom Excelfunktionen =SLUMP().
Kopiera och klistra in slumptalen som värden (för att de inte ska ändras när bladet uppdateras).
Sortera ID och slumptal efter slumptalen. Kolumnerna med behandling och ID ger nu en slumpmässig matchning mellan behandling och försöksenhet.

Länkar

Khan academy, Study design