পরীক্ষামূলক নকশা

From LTRC

December 2020

সম্পূর্ণ factorial design (বাম) এবং দ্বিতীয়-মাত্রার বহুপদীসহ response surface (ডান) ব্যবহার করে পরীক্ষামূলক নকশা

পরীক্ষামূলক নকশা (DOE),[1] যা এক্সপেরিমেন্টাল ডিজাইন নামেও পরিচিত, এমন সব পদ্ধতি তৈরির সাথে সম্পর্কিত যা ব্যাখ্যা করার চেষ্টা করে যে কীভাবে একটি সিস্টেমের একটি দিকের পরিবর্তন সিস্টেমের অন্যান্য দিকের পরিবর্তনের দিকে পরিচালিত করে। সাধারণভাবে, পরীক্ষামূলক নকশার মধ্যে সিস্টেমের কোন দিকগুলো পরিবর্তন করতে হবে এবং কোনগুলো নিয়ন্ত্রণ করতে হবে, সে সম্পর্কে সিদ্ধান্ত গ্রহণ অন্তর্ভুক্ত থাকে। এটি পরীক্ষাকারীর বিবেচনাধীন সিস্টেমের বিভিন্ন দিকের পরিবর্তনের উৎসের ওপর ভিত্তি করে তৈরি অনুকল্পের ওপর নির্ভর করে।

DOE সাধারণত এমন সব পরীক্ষার সাথে যুক্ত যেখানে নকশাটি এমন শর্ত প্রবর্তন করে যা সরাসরি পরিবর্তনের ওপর প্রভাব ফেলে, তবে DOE বলতে quasi-experiment-এর নকশাকেও বোঝাতে পারে, যেখানে পরিবর্তনের ওপর প্রভাব বিস্তারকারী প্রাকৃতিক শর্তগুলোকে পর্যবেক্ষণের জন্য নির্বাচন করা হয়।

এর সবচেয়ে সহজ রূপে, একটি পরীক্ষা পূর্বশর্তগুলোর পরিবর্তনের মাধ্যমে ফলাফল অনুমান করার লক্ষ্য রাখে, যা এক বা একাধিক স্বাধীন চলক (independent variables) দ্বারা উপস্থাপিত হয়, যাদের "ইনপুট ভেরিয়েবল" বা "প্রেডিক্টর ভেরিয়েবল"ও বলা হয়। এক বা একাধিক স্বাধীন চলকের পরিবর্তন সাধারণত এক বা একাধিক নির্ভরশীল চলকের (dependent variables) পরিবর্তনের কারণ হিসেবে অনুমিত হয়, যাদের "আউটপুট ভেরিয়েবল" বা "রেসপন্স ভেরিয়েবল"ও বলা হয়। পরীক্ষামূলক নকশা এমন নিয়ন্ত্রণ চলকগুলোকেও চিহ্নিত করতে পারে যা বাহ্যিক কারণগুলোকে ফলাফলের ওপর প্রভাব ফেলা থেকে বিরত রাখতে স্থির রাখা প্রয়োজন। পরীক্ষামূলক নকশা কেবল উপযুক্ত স্বাধীন, নির্ভরশীল এবং নিয়ন্ত্রণ চলক নির্বাচনই নয়, বরং উপলব্ধ সম্পদের সীমাবদ্ধতা বিবেচনা করে পরিসংখ্যানগতভাবে সর্বোত্তম শর্তে পরীক্ষাটি পরিচালনার পরিকল্পনাও অন্তর্ভুক্ত করে। পরীক্ষায় ব্যবহারের জন্য ডিজাইন পয়েন্টগুলোর (স্বাধীন চলকের সেটিংসের অনন্য সমন্বয়) সেট নির্ধারণের জন্য একাধিক পদ্ধতি রয়েছে।

পরীক্ষামূলক নকশার প্রধান উদ্বেগের মধ্যে রয়েছে বৈধতা, নির্ভরযোগ্যতা এবং পুনরাবৃত্তিযোগ্যতা প্রতিষ্ঠা করা। উদাহরণস্বরূপ, স্বাধীন চলক সতর্কতার সাথে নির্বাচন করে, পরিমাপের ত্রুটির ঝুঁকি কমিয়ে এবং পদ্ধতির নথিপত্র যথেষ্ট বিস্তারিত নিশ্চিত করার মাধ্যমে এই উদ্বেগগুলো আংশিকভাবে সমাধান করা যেতে পারে। সম্পর্কিত উদ্বেগের মধ্যে রয়েছে statistical power এবং সংবেদনশীলতার উপযুক্ত স্তর অর্জন করা।

সঠিকভাবে নকশা করা পরীক্ষা প্রাকৃতিক ও সামাজিক বিজ্ঞান এবং প্রকৌশলবিদ্যার জ্ঞানকে এগিয়ে নিয়ে যায়, যেখানে পরীক্ষামূলক নকশার পদ্ধতিকে কোয়ালিটি বাই ডিজাইন (QbD) কাঠামোর সফল বাস্তবায়নের একটি মূল হাতিয়ার হিসেবে স্বীকৃতি দেওয়া হয়েছে।[2] অন্যান্য প্রয়োগের মধ্যে রয়েছে বিপণন এবং নীতি নির্ধারণ। পরীক্ষামূলক নকশার অধ্যয়ন metascience-এর একটি গুরুত্বপূর্ণ বিষয়।

ইতিহাস

পরিসংখ্যানগত পরীক্ষা, চার্লস এস. পিয়ার্সের অনুসরণ

মূল নিবন্ধ: Frequentist statistics আরও দেখুন: Randomization চার্লস এস. পিয়ার্স "ইলাস্ট্রেশনস অফ দ্য লজিক অফ সায়েন্স" (১৮৭৭–১৮৭৮)[3] এবং "আ থিওরি অফ প্রোবাবেল ইনফারেন্স" (১৮৮৩)-এ পরিসংখ্যানগত অনুমানের একটি তত্ত্ব তৈরি করেছিলেন,[4] এই দুটি প্রকাশনা পরিসংখ্যানের ক্ষেত্রে র‍্যান্ডমাইজেশন-ভিত্তিক অনুমানের গুরুত্বের ওপর জোর দিয়েছিল।[5]

র‍্যান্ডমাইজড পরীক্ষা

মূল নিবন্ধ: Random assignment আরও দেখুন: Repeated measures design চার্লস এস. পিয়ার্স ওজন পৃথক করার ক্ষমতা মূল্যায়ন করার জন্য স্বেচ্ছাসেবকদের একটি ব্লাইন্ডেড, রিপিটেড-মেজারস ডিজাইনে র‍্যান্ডমলি নিযুক্ত করেছিলেন।[6][7][8][9] পিয়ার্সের পরীক্ষা মনোবিজ্ঞান এবং শিক্ষার অন্যান্য গবেষকদের অনুপ্রাণিত করেছিল, যা ১৮০০-এর দশকে গবেষণাগারে র‍্যান্ডমাইজড পরীক্ষার একটি গবেষণা ঐতিহ্য এবং বিশেষায়িত পাঠ্যপুস্তক তৈরি করেছিল।[6][7][8][9]

রিগ্রেশন মডেলের জন্য সর্বোত্তম নকশা

মূল নিবন্ধ: Response surface methodology আরও দেখুন: Optimal design চার্লস এস. পিয়ার্স ১৮৭৬ সালে রিগ্রেশন মডেলের জন্য একটি সর্বোত্তম নকশার ওপর প্রথম ইংরেজি ভাষার প্রকাশনায় অবদান রেখেছিলেন।[10] ১৮১৫ সালে গার্গন বহুপদী রিগ্রেশনের জন্য একটি অগ্রগামী সর্বোত্তম নকশার পরামর্শ দিয়েছিলেন। ১৯১৮ সালে, Kirstine Smith ষষ্ঠ ঘাতের (এবং তার কম) বহুপদীর জন্য সর্বোত্তম নকশা প্রকাশ করেন।[11][12]

পরীক্ষার ক্রম

মূল নিবন্ধ: Sequential analysis আরও দেখুন: Multi-armed bandit problem, Gittins index, Optimal design পরীক্ষার একটি ক্রম ব্যবহার করা, যেখানে প্রতিটির নকশা পূর্ববর্তী পরীক্ষার ফলাফলের ওপর নির্ভর করতে পারে, যার মধ্যে পরীক্ষা বন্ধ করার সম্ভাব্য সিদ্ধান্তও অন্তর্ভুক্ত, তা সিকোয়েন্সিয়াল অ্যানালাইসিসের আওতাভুক্ত। এই ক্ষেত্রটি পরিসংখ্যানগত অনুমানের সিকোয়েন্সিয়াল পরীক্ষার প্রেক্ষাপটে আব্রাহাম ওয়াল্ড দ্বারা প্রবর্তিত হয়েছিল।[13][14] Herman Chernoff সর্বোত্তম সিকোয়েন্সিয়াল নকশার একটি ওভারভিউ লিখেছিলেন,[15] অন্যদিকে অ্যাডাপ্টিভ ডিজাইন সম্পর্কে এস. জ্যাকস জরিপ করেছেন।[16] সিকোয়েন্সিয়াল নকশার একটি নির্দিষ্ট ধরন হলো "টু-আর্মড ব্যান্ডিট", যা multi-armed bandit-এ সাধারণীকৃত হয়েছে, যার ওপর ১৯৫২ সালে হার্বার্ট রবিন্স প্রাথমিক কাজ করেছিলেন।[17]

ফিশারের নীতিসমূহ

পরীক্ষা নকশা করার একটি পদ্ধতি রোনাল্ড ফিশার তার উদ্ভাবনী বইগুলোতে প্রস্তাব করেছিলেন: দ্য অ্যারেঞ্জমেন্ট অফ ফিল্ড এক্সপেরিমেন্টস (১৯২৬) এবং The Design of Experiments (১৯৩৫)। তার অগ্রগামী কাজের বেশিরভাগই পরিসংখ্যানগত পদ্ধতির কৃষি প্রয়োগের সাথে সম্পর্কিত ছিল। একটি সাধারণ উদাহরণ হিসেবে, তিনি বর্ণনা করেছিলেন কীভাবে লেডি টেস্টিং টি অনুকল্পটি পরীক্ষা করা যায়, যেখানে একজন ভদ্রমহিলা কেবল স্বাদের মাধ্যমে বলতে পারতেন যে কাপে আগে দুধ নাকি চা দেওয়া হয়েছে। এই পদ্ধতিগুলো জৈবিক, মনস্তাত্ত্বিক এবং কৃষি গবেষণায় ব্যাপকভাবে গৃহীত হয়েছে।[18]

তুলনা
গবেষণার কিছু ক্ষেত্রে মেট্রোলজি স্ট্যান্ডার্ডের সাথে অনুসরণযোগ্য স্বাধীন পরিমাপ থাকা সম্ভব নয়। চিকিৎসার মধ্যে তুলনা অনেক বেশি মূল্যবান এবং সাধারণত পছন্দনীয়, এবং প্রায়শই একটি সায়েন্টিফিক কন্ট্রোল বা প্রথাগত চিকিৎসার সাথে তুলনা করা হয় যা বেসলাইন হিসেবে কাজ করে।
র‍্যান্ডমাইজেশন
র‍্যান্ডম অ্যাসাইনমেন্ট হলো একটি পরীক্ষায় ব্যক্তিদের র‍্যান্ডমলি গ্রুপে বা বিভিন্ন গ্রুপে নিয়োগ করার প্রক্রিয়া, যাতে জনসংখ্যার প্রতিটি ব্যক্তির গবেষণায় অংশগ্রহণকারী হওয়ার সমান সুযোগ থাকে। গ্রুপে (বা একটি গ্রুপের মধ্যে শর্তে) ব্যক্তিদের র‍্যান্ডম অ্যাসাইনমেন্ট একটি কঠোর, "সত্য" পরীক্ষাকে একটি পর্যবেক্ষণমূলক অধ্যয়ন বা "কোয়ালিটি-এক্সপেরিমেন্ট" থেকে আলাদা করে।[19] গাণিতিক তত্ত্বের একটি বিশাল ভাণ্ডার রয়েছে যা র‍্যান্ডম মেকানিজম (যেমন র‍্যান্ডম সংখ্যার টেবিল, বা তাসের কার্ড বা ছক্কার মতো র‍্যান্ডমাইজেশন ডিভাইসের ব্যবহার) দ্বারা চিকিৎসার জন্য ইউনিট বরাদ্দের ফলাফল অন্বেষণ করে। র‍্যান্ডমলি চিকিৎসার জন্য ইউনিট বরাদ্দ করা কনফাউন্ডিং কমাতে সাহায্য করে, যা চিকিৎসার বাইরের কারণগুলোর প্রভাবকে চিকিৎসার ফলাফল হিসেবে প্রতীয়মান হতে বাধা দেয়। র‍্যান্ডম অ্যাসাইনমেন্ট গ্যারান্টি দেয় না যে চিকিৎসা এবং নিয়ন্ত্রণ গ্রুপগুলো হুবহু অভিন্ন হবে। তবে, এটি গড়ে গ্রুপগুলোর মধ্যে পরিচিত এবং অজানা কনফাউন্ডিং চলকগুলোকে ভারসাম্যপূর্ণ করার প্রবণতা রাখে। এটি কার্যকারণ অনুমানকে শক্তিশালী করে।[20]
র‍্যান্ডম বরাদ্দের সাথে সম্পর্কিত ঝুঁকিগুলো (যেমন একটি চিকিৎসা গ্রুপ এবং একটি নিয়ন্ত্রণ গ্রুপের মধ্যে একটি মূল বৈশিষ্ট্যে গুরুতর ভারসাম্যহীনতা থাকা) গণনাযোগ্য এবং তাই পর্যাপ্ত পরীক্ষামূলক ইউনিট ব্যবহার করে একটি গ্রহণযোগ্য স্তরে পরিচালনা করা যেতে পারে। তবে, যদি জনসংখ্যাকে কয়েকটি উপ-জনসংখ্যায় ভাগ করা হয় যা কোনোভাবে আলাদা হয় এবং গবেষণায় প্রতিটি উপ-জনসংখ্যা সমান আকারের হওয়া প্রয়োজন হয়, তবে স্ট্র্যাটিফাইড স্যাম্পলিং ব্যবহার করা যেতে পারে। এইভাবে, প্রতিটি উপ-জনসংখ্যার ইউনিটগুলো র‍্যান্ডমাইজ করা হয়, কিন্তু পুরো নমুনা নয়। একটি পরীক্ষার ফলাফল কেবল তখনই বৃহত্তর পরিসংখ্যানগত জনসংখ্যার ইউনিটে নির্ভরযোগ্যভাবে সাধারণীকরণ করা যেতে পারে যদি পরীক্ষামূলক ইউনিটগুলো বৃহত্তর জনসংখ্যা থেকে একটি র‍্যান্ডম নমুনা হয়; এই ধরনের এক্সট্রাপোলেশনের সম্ভাব্য ত্রুটি অন্যান্য বিষয়ের মধ্যে নমুনার আকারের ওপর নির্ভর করে।
পরিসংখ্যানগত প্রতিলিপি
পরিমাপ সাধারণত পরিবর্তন এবং পরিমাপের অনিশ্চয়তার সাপেক্ষে হয়; তাই পরিবর্তনের উৎসগুলো চিহ্নিত করতে, চিকিৎসার প্রকৃত প্রভাবগুলো আরও ভালোভাবে অনুমান করতে, পরীক্ষার নির্ভরযোগ্যতা এবং বৈধতা আরও শক্তিশালী করতে এবং বিষয়ের বিদ্যমান জ্ঞানে যোগ করতে পরীক্ষাগুলো পুনরাবৃত্তি করা হয়।[21] তবে, পরীক্ষাটি পুনরাবৃত্তি করার আগে কিছু শর্ত পূরণ করতে হবে: মূল গবেষণার প্রশ্নটি একটি পিয়ার-রিভিউড জার্নালে প্রকাশিত বা ব্যাপকভাবে উদ্ধৃত হতে হবে, গবেষক মূল পরীক্ষা থেকে স্বাধীন হতে হবে, গবেষককে প্রথমে মূল ডেটা ব্যবহার করে মূল ফলাফলগুলো প্রতিলিপি করার চেষ্টা করতে হবে এবং নথিতে উল্লেখ করতে হবে যে পরিচালিত অধ্যয়নটি একটি প্রতিলিপি অধ্যয়ন যা মূল অধ্যয়নটিকে যতটা সম্ভব কঠোরভাবে অনুসরণ করার চেষ্টা করেছে।[22]
ব্লকিং
ব্লকিং (ডান)
ব্লকিং হলো পরীক্ষামূলক ইউনিটগুলোকে এমন গ্রুপে (ব্লক) অ-র‍্যান্ডম বিন্যাস যা একে অপরের সাথে সাদৃশ্যপূর্ণ ইউনিট নিয়ে গঠিত। ব্লকিং ইউনিটগুলোর মধ্যে পরিচিত কিন্তু অপ্রাসঙ্গিক পরিবর্তনের উৎসগুলো হ্রাস করে এবং এইভাবে গবেষণাধীন পরিবর্তনের উৎসের অনুমানে অধিকতর নির্ভুলতা প্রদান করে।
অর্থোগোনালিটি
অর্থোগোনাল ফ্যাক্টোরিয়াল ডিজাইনের উদাহরণ
অর্থোগোনালিটি তুলনার (কনট্রাস্ট) রূপগুলোর সাথে সম্পর্কিত যা বৈধভাবে এবং দক্ষতার সাথে করা যেতে পারে। কনট্রাস্টগুলোকে ভেক্টর দ্বারা উপস্থাপন করা যেতে পারে এবং অর্থোগোনাল কনট্রাস্টের সেটগুলো অসম্পর্কিত এবং স্বাধীনভাবে বিতরণ করা হয় যদি ডেটা স্বাভাবিক হয়। এই স্বাধীনতার কারণে, প্রতিটি অর্থোগোনাল চিকিৎসা অন্যদের থেকে ভিন্ন তথ্য প্রদান করে। যদি T চিকিৎসা এবং T − 1 অর্থোগোনাল কনট্রাস্ট থাকে, তবে পরীক্ষা থেকে ক্যাপচার করা সমস্ত তথ্য কনট্রাস্টের সেট থেকে প্রাপ্ত করা যায়।
মাল্টিফ্যাক্টোরিয়াল পরীক্ষা
ওয়ান-ফ্যাক্টর-অ্যাট-এ-টাইম পদ্ধতির পরিবর্তে মাল্টিফ্যাক্টোরিয়াল পরীক্ষার ব্যবহার। এগুলো বেশ কয়েকটি ফ্যাক্টরের (স্বাধীন চলক) প্রভাব এবং সম্ভাব্য ইন্টারঅ্যাকশন মূল্যায়নে দক্ষ। পরীক্ষার নকশার বিশ্লেষণ অ্যানালাইসিস অফ ভ্যারিয়েন্সের ভিত্তির ওপর নির্মিত, যা মডেলের একটি সংগ্রহ যা পর্যবেক্ষণ করা পরিবর্তনকে উপাদানগুলোতে বিভক্ত করে, পরীক্ষাটি কোন ফ্যাক্টরগুলো অনুমান বা পরীক্ষা করবে তার ওপর ভিত্তি করে।

উদাহরণ

পরীক্ষামূলক নকশার এই উদাহরণটি হ্যারল্ড হোটেলিং-এর কৃতিত্ব, যা ফ্রাঙ্ক ইয়েটস-এর উদাহরণগুলোর ওপর ভিত্তি করে তৈরি।[23][24][15] এই উদাহরণে নকশা করা পরীক্ষাগুলোতে কম্বিনেটোরিয়াল ডিজাইন অন্তর্ভুক্ত রয়েছে।[25]

আটটি বস্তুর ওজন একটি প্যান ব্যালেন্স এবং স্ট্যান্ডার্ড ওজনের সেট ব্যবহার করে পরিমাপ করা হয়। প্রতিটি ওজন বাম প্যানে থাকা বস্তু এবং ডান প্যানে থাকা যেকোনো বস্তুর মধ্যে ওজনের পার্থক্য পরিমাপ করে, ভারসাম্য না আসা পর্যন্ত হালকা প্যানে ক্যালিব্রেটেড ওজন যোগ করে। প্রতিটি পরিমাপের একটি র‍্যান্ডম ত্রুটি ϵ থাকে। গড় ত্রুটি শূন্য; ত্রুটির সম্ভাব্যতা বিন্যাসের স্ট্যান্ডার্ড ডেভিয়েশন বিভিন্ন ওজনে একই সংখ্যা σ; বিভিন্ন ওজনের ত্রুটিগুলো স্বাধীন। প্রকৃত ওজনগুলোকে এভাবে চিহ্নিত করি:

θ=(θ1,…,θ8)।

আমরা একই পরিমাণ পরিমাপসহ দুটি ভিন্ন পরীক্ষা বিবেচনা করি:

  1. আটটি বস্তুর প্রতিটি আলাদাভাবে ওজন করুন।
    left panright pan1st weighing:1 (empty)2st weighing:2 (empty)3rd weighing:3 (empty).........
  2. নিম্নলিখিত সময়সূচী অনুযায়ী আটটি ওজন করুন:
    left panright pan1st weighing:1 2 3 4 5 6 7 8(empty)2nd:1 2 3 8 4 5 6 73rd:1 4 5 8 2 3 6 74th:1 6 7 8 2 3 4 55th:2 4 6 8 1 3 5 76th:2 5 7 8 1 3 4 67th:3 4 7 8 1 2 5 68th:3 5 6 8 1 2 4 7

ধরি yi হলো i = 1, ..., 8 এর জন্য পরিমাপ করা পার্থক্য। প্রকৃত ওজন এবং পরীক্ষামূলক পরিমাপের মধ্যে সম্পর্ক একটি জেনারেল লিনিয়ার মডেল দিয়ে উপস্থাপন করা যেতে পারে, যেখানে ডিজাইন ম্যাট্রিক্স W এর এন্ট্রিগুলো {−1,0,1} থেকে আসে:

y=Wθ+ϵ

প্রথম নকশাটি একটি আইডেন্টিটি ম্যাট্রিক্স দ্বারা উপস্থাপিত হয়, যখন দ্বিতীয় নকশাটি একটি 8x8 হ্যাডামার্ড ম্যাট্রিক্স, H দ্বারা উপস্থাপিত হয়, উভয়ই ওয়েইং ম্যাট্রিক্সের উদাহরণ।

ওজনগুলো সাধারণত মেথড অফ লিস্ট স্কোয়ার্স ব্যবহার করে অনুমান করা হয়। একটি ওয়েইং ম্যাট্রিক্স ব্যবহার করে, এটি পরিমাপের ইনভার্স করার সমতুল্য:

θ^A=I−1y=y

θ^B=H−1y

পরীক্ষামূলক নকশার প্রশ্নটি হলো: কোন পরীক্ষাটি ভালো?

প্রথম ওজনের জন্য অনুমান A বনাম B তদন্ত করা:

Var⁡(θ^A,1)=Var⁡(y1)=σ2

Var⁡(θ^B,1)=Var⁡(y1+y2−y3−y4+y5+y6−y7−y88)=σ28

বাকি ওজন অনুমানের জন্য একই ফলাফল অনুসরণ করে। সুতরাং, দ্বিতীয় পরীক্ষাটি আমাদের একটি একক আইটেমের অনুমানের জন্য ৮ গুণ বেশি নির্ভুলতা দেয়, যদিও একই পরিমাণ সম্পদ (ওজনের সংখ্যা) খরচ হয়।

পরীক্ষামূলক নকশার অনেক সমস্যায় কম্বিনেটোরিয়াল ডিজাইন জড়িত থাকে, যেমন এই উদাহরণে এবং অন্যান্য ক্ষেত্রে।[25]

ভুল পজিটিভ এড়ানো

আরও দেখুন: Metascience ফলস পজিটিভ উপসংহার, যা প্রায়শই প্রকাশের চাপ বা লেখকের নিজস্ব কনফার্মেশন বায়াস থেকে উদ্ভূত হয়, অনেক ক্ষেত্রে একটি অন্তর্নিহিত বিপদ।[26]

ডাবল-ব্লাইন্ড ডিজাইনের ব্যবহার ডেটা সংগ্রহের পর্যায়ে ফলস পজিটিভের দিকে পরিচালিত করতে পারে এমন বায়াস প্রতিরোধ করতে পারে। যখন একটি ডাবল-ব্লাইন্ড ডিজাইন ব্যবহার করা হয়, তখন অংশগ্রহণকারীদের র‍্যান্ডমলি পরীক্ষামূলক গ্রুপে নিয়োগ করা হয় কিন্তু গবেষক জানেন না কোন অংশগ্রহণকারীরা কোন গ্রুপের অন্তর্ভুক্ত। অতএব, গবেষক হস্তক্ষেপের প্রতি অংশগ্রহণকারীদের প্রতিক্রিয়াকে প্রভাবিত করতে পারেন না।[27]

অপ্রকাশিত ডিগ্রি অফ ফ্রিডম সহ পরীক্ষামূলক নকশাগুলো একটি সমস্যা,[28] কারণ এগুলো সচেতন বা অচেতন "পি-হ্যাকিং"-এর দিকে পরিচালিত করতে পারে: কাঙ্ক্ষিত ফলাফল না পাওয়া পর্যন্ত একাধিক জিনিস চেষ্টা করা। এটি সাধারণত পরিসংখ্যানগত বিশ্লেষণ এবং ডিগ্রি অফ ফ্রিডমের প্রক্রিয়ার ম্যানিপুলেশন জড়িত – সম্ভবত অবচেতনভাবে – যতক্ষণ না তারা p<.05 স্তরের পরিসংখ্যানগত তাৎপর্যের নিচে একটি চিত্র প্রদান করে।[29][30]

পি-হ্যাকিং গবেষণাকে প্রি-রেজিস্টারিং করে প্রতিরোধ করা যেতে পারে, যেখানে গবেষকদের ডেটা সংগ্রহের আগেই তাদের ডেটা বিশ্লেষণ পরিকল্পনাটি সেই জার্নালে পাঠাতে হয় যেখানে তারা তাদের গবেষণাপত্র প্রকাশ করতে চান, যাতে কোনো ডেটা ম্যানিপুলেশন সম্ভব না হয়।[31][32]

এটি প্রতিরোধ করার আরেকটি উপায় হলো ডেটা-বিশ্লেষণ পর্যায়ে একটি ডাবল-ব্লাইন্ড ডিজাইন গ্রহণ করা, অধ্যয়নটিকে ট্রিপল-ব্লাইন্ড করা, যেখানে ডেটা গবেষণার সাথে সম্পর্কহীন একজন ডেটা-বিশ্লেষকের কাছে পাঠানো হয় যিনি ডেটা এলোমেলো করে দেন যাতে অংশগ্রহণকারীরা আউটলায়ার হিসেবে বিবেচিত হওয়ার আগে তারা কোন গ্রুপের অন্তর্ভুক্ত তা জানার কোনো উপায় না থাকে।[27]

পরীক্ষামূলক পদ্ধতিবিদ্যার স্পষ্ট এবং সম্পূর্ণ নথিপত্র ফলাফলের প্রতিলিপি সমর্থন করার জন্য গুরুত্বপূর্ণ।[33]

পরীক্ষামূলক নকশা সেট আপ করার সময় আলোচনার বিষয়

একটি পরীক্ষামূলক নকশা বা র‍্যান্ডমাইজড ক্লিনিকাল ট্রায়ালের জন্য পরীক্ষাটি করার আগে বেশ কয়েকটি বিষয় সতর্কতার সাথে বিবেচনা করা প্রয়োজন।[34] একটি পরীক্ষামূলক নকশা হলো পরীক্ষাটি করার আগে একটি বিস্তারিত পরীক্ষামূলক পরিকল্পনা তৈরি করা। পরীক্ষামূলক নকশার নীতি বিভাগে নিম্নলিখিত বিষয়গুলোর মধ্যে কিছু ইতিমধ্যে আলোচনা করা হয়েছে:

  1. নকশাটিতে কতগুলো ফ্যাক্টর আছে এবং এই ফ্যাক্টরগুলোর স্তর কি স্থির নাকি র‍্যান্ডম?
  2. নিয়ন্ত্রণ শর্ত কি প্রয়োজন, এবং সেগুলো কী হওয়া উচিত?
  3. ম্যানিপুলেশন চেক: ম্যানিপুলেশন কি সত্যিই কাজ করেছে?
  4. ব্যাকগ্রাউন্ড চলকগুলো কী কী?
  5. নমুনার আকার কত? পরীক্ষাটি সাধারণীকরণযোগ্য এবং পর্যাপ্ত পাওয়ার থাকার জন্য কতগুলো ইউনিট সংগ্রহ করতে হবে?
  6. ফ্যাক্টরগুলোর মধ্যে ইন্টারঅ্যাকশনের প্রাসঙ্গিকতা কী?
  7. ফলাফলের ওপর মূল ফ্যাক্টরগুলোর বিলম্বিত প্রভাবের প্রভাব কী?
  8. রেসপন্স শিফট কীভাবে সেলফ-রিপোর্ট পরিমাপকে প্রভাবিত করে?
  9. পোস্ট-টেস্ট এবং ফলো-আপ টেস্টসহ বিভিন্ন অনুষ্ঠানে একই ইউনিটে একই পরিমাপের যন্ত্রগুলোর বারবার প্রয়োগ কতটা সম্ভব?
  10. একটি প্রক্সি প্রিটেস্ট ব্যবহার সম্পর্কে কী?
  11. কোনো কনফাউন্ডিং চলক আছে কি?
  12. ক্লায়েন্ট/রোগী, গবেষক বা এমনকি ডেটার বিশ্লেষক কি শর্তগুলো সম্পর্কে অন্ধ (blind) থাকা উচিত?
  13. একই ইউনিটে বিভিন্ন শর্তের পরবর্তী প্রয়োগের সম্ভাব্যতা কতটুকু?
  14. প্রতিটি নিয়ন্ত্রণ এবং নয়েজ ফ্যাক্টরের কতগুলো বিবেচনায় নেওয়া উচিত?

একটি অধ্যয়নের স্বাধীন চলকের প্রায়শই অনেক স্তর বা বিভিন্ন গ্রুপ থাকে। একটি সত্য পরীক্ষায়, গবেষকদের একটি পরীক্ষামূলক গ্রুপ থাকতে পারে, যেখানে তাদের অনুকল্প পরীক্ষা করার হস্তক্ষেপ বাস্তবায়িত হয়, এবং একটি নিয়ন্ত্রণ গ্রুপ, যার মধ্যে পরীক্ষামূলক গ্রুপের মতো একই উপাদান থাকে, হস্তক্ষেপকারী উপাদান ছাড়া। সুতরাং, যখন একটি হস্তক্ষেপ ছাড়া অন্য সবকিছু স্থির রাখা হয়, তখন গবেষকরা কিছু নিশ্চিতত্বের সাথে প্রমাণ করতে পারেন যে এই একটি উপাদানই পর্যবেক্ষণ করা পরিবর্তনের কারণ। কিছু ক্ষেত্রে, একটি নিয়ন্ত্রণ গ্রুপ থাকা নৈতিক নয়। এটি কখনও কখনও দুটি ভিন্ন পরীক্ষামূলক গ্রুপ ব্যবহার করে সমাধান করা হয়। কিছু ক্ষেত্রে, স্বাধীন চলক ম্যানিপুলেট করা যায় না, উদাহরণস্বরূপ যখন দুটি গ্রুপের মধ্যে পার্থক্য পরীক্ষা করা হয় যাদের ভিন্ন রোগ আছে, বা লিঙ্গগুলোর মধ্যে পার্থক্য পরীক্ষা করা হয় (স্পষ্টতই চলকগুলো যা অংশগ্রহণকারীদের বরাদ্দ করা কঠিন বা অনৈতিক)। এই ক্ষেত্রে, একটি কোয়াসি-এক্সপেরিমেন্টাল ডিজাইন ব্যবহার করা যেতে পারে।

Causal attributions

বিশুদ্ধ পরীক্ষামূলক নকশায়, স্বাধীন (পূর্বাভাসক) চলকটি গবেষক দ্বারা নিয়ন্ত্রিত হয় – অর্থাৎ – গবেষণার প্রতিটি অংশগ্রহণকারীকে জনসংখ্যা থেকে দৈবচয়ন পদ্ধতিতে নির্বাচন করা হয় এবং নির্বাচিত প্রতিটি অংশগ্রহণকারীকে স্বাধীন চলকের শর্তানুযায়ী দৈবচয়ন ভিত্তিতে নিয়োগ করা হয়। কেবল তখনই উচ্চ সম্ভাবনার সাথে এটি নিশ্চিত করা সম্ভব যে, ফলাফল চলকগুলোর পার্থক্যের কারণ হলো বিভিন্ন শর্ত। অতএব, গবেষকদের যখনই সম্ভব অন্যান্য নকশার চেয়ে পরীক্ষামূলক নকশা বেছে নেওয়া উচিত। তবে, স্বাধীন চলকের প্রকৃতি সবসময় নিয়ন্ত্রণের সুযোগ দেয় না। সেক্ষেত্রে, গবেষকদের অবশ্যই সতর্ক থাকতে হবে যেন তারা এমন কোনো কারণিক আরোপ (causal attribution) নিশ্চিত না করেন যার জন্য তাদের নকশাটি উপযুক্ত নয়। উদাহরণস্বরূপ, পর্যবেক্ষণমূলক নকশায় অংশগ্রহণকারীদের শর্তানুযায়ী দৈবচয়ন ভিত্তিতে নিয়োগ করা হয় না, তাই যদি শর্তগুলোর মধ্যে ফলাফল চলকের পার্থক্য পাওয়া যায়, তবে এটি হওয়ার সম্ভাবনা থাকে যে শর্তগুলোর পার্থক্যের বাইরে অন্য কিছু ফলাফলের পার্থক্যের কারণ, অর্থাৎ – একটি তৃতীয় চলক। পারস্পরিক সম্পর্কযুক্ত (correlational) নকশার গবেষণার ক্ষেত্রেও একই কথা প্রযোজ্য।

Statistical control

পরিকল্পিত পরীক্ষা পরিচালনার আগে একটি প্রক্রিয়াকে যুক্তিসঙ্গত পরিসংখ্যানগত নিয়ন্ত্রণে রাখা সর্বোত্তম। যখন এটি সম্ভব হয় না, তখন যথাযথ ব্লকিং, প্রতিলিপি (replication) এবং দৈবচয়ন (randomization) পরিকল্পিত পরীক্ষাগুলো সতর্কতার সাথে পরিচালনার সুযোগ দেয়।[35] উপদ্রব সৃষ্টিকারী চলকগুলোকে (nuisance variables) নিয়ন্ত্রণ করার জন্য, গবেষকরা অতিরিক্ত পরিমাপ হিসেবে নিয়ন্ত্রণ পরীক্ষা (control checks) স্থাপন করেন। তদন্তকারীদের নিশ্চিত করা উচিত যে অনিয়ন্ত্রিত প্রভাবগুলো (যেমন: উৎসের বিশ্বাসযোগ্যতা উপলব্ধি) যেন গবেষণার ফলাফলকে বিকৃত না করে। একটি ম্যানিপুলেশন চেক হলো নিয়ন্ত্রণ পরীক্ষার একটি উদাহরণ। ম্যানিপুলেশন চেক তদন্তকারীদের প্রধান চলকগুলোকে আলাদা করার সুযোগ দেয়, যা এই চলকগুলো পরিকল্পনা অনুযায়ী কাজ করছে কিনা তার সমর্থনকে শক্তিশালী করে।

পরীক্ষামূলক গবেষণা নকশার অন্যতম গুরুত্বপূর্ণ প্রয়োজনীয়তা হলো অপ্রাসঙ্গিক, মধ্যবর্তী এবং পূর্ববর্তী চলকগুলোর প্রভাব দূর করা। সবচেয়ে মৌলিক মডেলে, কারণ (X) প্রভাব (Y)-এর দিকে নিয়ে যায়। কিন্তু সেখানে একটি তৃতীয় চলক (Z) থাকতে পারে যা (Y)-কে প্রভাবিত করে, এবং X হয়তো প্রকৃত কারণই নয়। Z-কে একটি অপ্রাসঙ্গিক চলক বলা হয় এবং একে অবশ্যই নিয়ন্ত্রণ করতে হবে। মধ্যবর্তী চলক (অনুমানকৃত কারণ (X) এবং প্রভাব (Y)-এর মধ্যবর্তী একটি চলক) এবং পূর্ববর্তী চলকগুলোর (অনুমানকৃত কারণ (X)-এর আগের একটি চলক যা প্রকৃত কারণ) ক্ষেত্রেও একই কথা সত্য। যখন একটি তৃতীয় চলক জড়িত থাকে এবং তা নিয়ন্ত্রিত না হয়, তখন সেই সম্পর্ককে জিরো অর্ডার সম্পর্ক বলা হয়। পরীক্ষামূলক গবেষণা নকশার অধিকাংশ ব্যবহারিক প্রয়োগে বেশ কয়েকটি কারণ (X1, X2, X3) থাকে। অধিকাংশ নকশায়, এই কারণগুলোর মধ্যে কেবল একটিকে একবারে নিয়ন্ত্রণ করা হয়।

Experimental designs after Fisher

বেশ কয়েকটি প্রধান প্রভাব নির্ণয়ের জন্য কিছু কার্যকর নকশা ১৯৪০ সালে Indian Statistical Institute-এ Raj Chandra Bose এবং K. Kishen স্বাধীনভাবে এবং প্রায় কাছাকাছি সময়ে আবিষ্কার করেছিলেন, কিন্তু ১৯৪৬ সালে Biometrika-তে Plackett–Burman design প্রকাশিত হওয়ার আগ পর্যন্ত এগুলো খুব একটা পরিচিত ছিল না। প্রায় একই সময়ে, C. R. Rao পরীক্ষামূলক নকশা হিসেবে orthogonal array-এর ধারণা প্রবর্তন করেন। এই ধারণাটি Genichi Taguchi কর্তৃক Taguchi methods-এর বিকাশে কেন্দ্রীয় ভূমিকা পালন করে, যা ১৯৫০-এর দশকের শুরুর দিকে ইন্ডিয়ান স্ট্যাটিস্টিক্যাল ইনস্টিটিউটে তার সফরের সময় ঘটেছিল। তার পদ্ধতিগুলো জাপানি ও ভারতীয় শিল্পে সফলভাবে প্রয়োগ ও গৃহীত হয়েছিল এবং পরবর্তীতে কিছু আপত্তি থাকা সত্ত্বেও মার্কিন শিল্পেও তা গৃহীত হয়।

১৯৫০ সালে, Gertrude Mary Cox এবং William Gemmell Cochran Experimental Designs বইটি প্রকাশ করেন, যা পরবর্তী বছরগুলোতে পরিসংখ্যানবিদদের জন্য পরীক্ষার নকশার প্রধান রেফারেন্স বই হয়ে ওঠে।

linear model তত্ত্বের উন্নয়নগুলো সেই ক্ষেত্রগুলোকে অন্তর্ভুক্ত ও অতিক্রম করেছে যা প্রাথমিক লেখকদের চিন্তার বিষয় ছিল। বর্তমানে, এই তত্ত্বটি linear algebra, বীজগণিত এবং কম্বিনেটোরিক্স-এর উন্নত বিষয়ের ওপর ভিত্তি করে প্রতিষ্ঠিত।

পরিসংখ্যানের অন্যান্য শাখার মতো, পরীক্ষামূলক নকশা ফ্রিকোয়েন্টিস্ট এবং বেয়েসিয়ান উভয় পদ্ধতি ব্যবহার করেই পরিচালিত হয়: পরীক্ষামূলক নকশার মতো পরিসংখ্যানগত পদ্ধতি মূল্যায়নের ক্ষেত্রে, frequentist statistics sampling distribution নিয়ে গবেষণা করে, যেখানে Bayesian statistics প্যারামিটার স্পেসে একটি সম্ভাব্যতা বিন্যাস আপডেট করে।

পরীক্ষামূলক নকশার ক্ষেত্রে কিছু গুরুত্বপূর্ণ অবদানকারী হলেন C. S. Peirce, R. A. Fisher, F. Yates, R. C. Bose, A. C. Atkinson, R. A. Bailey, D. R. Cox, G. E. P. Box, W. G. Cochran, Walter T. Federer, V. V. Fedorov, A. S. Hedayat, J. Kiefer, O. Kempthorne, J. A. Nelder, Andrej Pázman, Friedrich Pukelsheim, D. Raghavarao, C. R. Rao, Shrikhande S. S., J. N. Srivastava, William J. Studden, G. Taguchi এবং H. P. Wynn।[36]

ডি. মন্টগোমারি, আর. মায়ার্স এবং জি. বক্স/ডব্লিউ. হান্টার/জে.এস. হান্টারের পাঠ্যবইগুলো প্রজন্মের পর প্রজন্ম ধরে শিক্ষার্থী ও অনুশীলনকারীদের কাছে পৌঁছেছে।[37][38][39][40][41] এছাড়া, স্থির বা গতিশীল মডেলের জন্য মডেল তৈরির প্রেক্ষাপটে পরীক্ষামূলক নকশা নিয়ে চলমান আলোচনা রয়েছে, যা system identification নামেও পরিচিত।[42][43]

Human participant constraints

আইন এবং নৈতিক বিবেচনার কারণে মানব অংশগ্রহণকারীদের নিয়ে কিছু সতর্কতার সাথে পরিকল্পিত পরীক্ষা পরিচালনা করা সম্ভব হয় না। আইনি সীমাবদ্ধতাগুলো অধিক্ষেত্রের ওপর নির্ভরশীল। সীমাবদ্ধতাগুলোর মধ্যে institutional review boardস, informed consent এবং confidentiality অন্তর্ভুক্ত থাকতে পারে, যা ক্লিনিকাল (চিকিৎসা) ট্রায়াল এবং আচরণগত ও সামাজিক বিজ্ঞান উভয় গবেষণাকেই প্রভাবিত করে।[44] উদাহরণস্বরূপ, টক্সিকোলজির ক্ষেত্রে, মানুষের জন্য নিরাপদ এক্সপোজার সীমা নির্ধারণের লক্ষ্যে গবেষণাগারের প্রাণীদের ওপর পরীক্ষা চালানো হয়।[45] এই সীমাবদ্ধতাগুলোর ভারসাম্য রক্ষার ক্ষেত্রে চিকিৎসা ক্ষেত্রের দৃষ্টিভঙ্গি রয়েছে।[46] রোগীদের দৈবচয়নের বিষয়ে, "...যদি কেউ না জানে যে কোন চিকিৎসাটি ভালো, তবে একটি বা অন্য চিকিৎসা ব্যবহার করার কোনো নৈতিক বাধ্যবাধকতা নেই।" (পৃষ্ঠা ৩৮০) পরীক্ষামূলক নকশার বিষয়ে, "...দুর্বলভাবে পরিকল্পিত গবেষণায় তথ্য সংগ্রহের জন্য অংশগ্রহণকারীদের ঝুঁকিতে ফেলা নৈতিক নয়, যখন এই পরিস্থিতি সহজেই এড়ানো সম্ভব..."। (পৃষ্ঠা ৩৯৩)

See also

  • Adversarial collaboration
  • Bayesian experimental design
  • Block design
  • Box–Behnken design
  • Central composite design
  • Clinical study design
  • Computer experiment
  • Controlling for a variable
  • Experimetrics (econometrics-সম্পর্কিত পরীক্ষা)
  • Factor analysis
  • Fractional factorial design
  • Glossary of experimental design
  • Grey box model
  • Industrial engineering
  • Instrument effect
  • Law of large numbers
  • Manipulation checks
  • Multifactor design of experiments software
  • One-factor-at-a-time method
  • Optimal design
  • Plackett–Burman design
  • Probabilistic design
  • Protocol (natural sciences)
  • Quasi-experimental design
  • Randomized block design
  • Randomized controlled trial
  • Research design
  • Robust parameter design
  • Sample size determination
  • Supersaturated designs
  • Royal Commission on Animal Magnetism
  • Survey sampling
  • System identification
  • Taguchi methods

References

  1. ↑ What Is Design of Experiments (DOE)?. asq.org.
  2. ↑ The Sequential Nature of Classical Design of Experiments | Prism. prismtc.co.uk.
  3. ↑ Peirce, Charles Sanders (1887). "Illustrations of the Logic of Science". Open Court (10 June 2014). 0812698495.
  4. ↑ Peirce, Charles Sanders (1883). "A Theory of Probable Inference". In C. S. Peirce (Ed.), Studies in logic by members of the Johns Hopkins University (p. 126–181). Little, Brown and Co (1883)
  5. ↑ (1978). Mathematical statistics in the early States. Annals of Statistics. 6 (2) 239–65 [248]. doi:10.1214/aos/1176344123.
  6. ↑ 6.0 6.1 (1885). On Small Differences in Sensation. Memoirs of the National Academy of Sciences. 3 73–83.
  7. ↑ 7.0 7.1 Hacking, Ian. (September 1988). "Telepathy: Origins of Randomization in Experimental Design". Isis. 79 (3) 427–451. doi:10.1086/354775.
  8. ↑ 8.0 8.1 Stephen M. Stigler. (November 1992). "A Historical View of Statistical Concepts in Psychology and Educational Research". American Journal of Education. 101 (1) 60–70. doi:10.1086/444032.
  9. ↑ 9.0 9.1 Trudy Dehue. (December 1997). Deception, Efficiency, and Random Groups: Psychology and the Gradual Origination of the Random Group Design. Isis. 88 (4) 653–673. doi:10.1086/383850.
  10. ↑ Peirce, C. S.. (1876). "Note on the Theory of the Economy of Research". Coast Survey Report. 197–201., actually published 1879, NOAA PDF Eprint সংরক্ষিত সংস্করণ.
    Reprinted in Collected Papers 7, paragraphs 139–157, also in Writings 4, pp. 72–78, and in Peirce, C. S.. (July–August 1967). "Note on the Theory of the Economy of Research". Operations Research. 15 (4) 643–648. doi:10.1287/opre.15.4.643.
  11. ↑ (2009). "Karl Pearson and the Scandinavian school of statistics". International Statistical Review. 77 64. doi:10.1111/j.1751-5823.2009.00069.x.
  12. ↑ (1918). On the standard deviations of adjusted and interpolated values of an observed polynomial function and its constants and the guidance they give towards a proper choice of the distribution of observations.. Biometrika. 12 (1–2) 1–85. doi:10.1093/biomet/12.1-2.1.
  13. ↑ Johnson, N.L. (1961). "Sequential analysis: a survey." Journal of the Royal Statistical Society, Series A. Vol. 124 (3), 372–411. (pages 375–376)
  14. ↑ Wald, A. (1945) "Sequential Tests of Statistical Hypotheses", Annals of Mathematical Statistics, 16 (2), 117–186.
  15. ↑ 15.0 15.1 Herman Chernoff, Sequential Analysis and Optimal Design, SIAM Monograph, 1972.
  16. ↑ Zacks, S. (1996) "Adaptive Designs for Parametric Models". In: Ghosh, S. and Rao, C. R., (Eds) (1996). "Design and Analysis of Experiments," Handbook of Statistics, Volume 13. North-Holland. 0-444-82061-2. (pages 151–180)
  17. ↑ (1952). "Some Aspects of the Sequential Design of Experiments". Bulletin of the American Mathematical Society. 58 (5) 527–535. doi:10.1090/S0002-9904-1952-09620-8.
  18. ↑ Miller, Geoffrey (2000). The Mating Mind: how sexual choice shaped the evolution of human nature, London: Heineman, 0-434-00741-2 (also Doubleday, 0-385-49516-1) "To biologists, he was an architect of the 'modern synthesis' that used mathematical models to integrate Mendelian genetics with Darwin's selection theories. To psychologists, Fisher was the inventor of various statistical tests that are still supposed to be used whenever possible in psychology journals. To farmers, Fisher was the founder of experimental agricultural research, saving millions from starvation through rational crop breeding programs." p.54.
  19. ↑ Creswell, J.W. (2008), Educational research: Planning, conducting, and evaluating quantitative and qualitative research (3rd edition), Upper Saddle River, NJ: Prentice Hall. 2008, p. 300. 0-13-613550-1
  20. ↑ doi:10.1016/j.jeconom.2024.105724.
  21. ↑ Dr. Hani. (2009). Replication study.
  22. ↑ Burman, Leonard E.. (2010). A call for replication studies. Public Finance Review. 38 (6) 787–793. doi:10.1177/1091142110385210.
  23. ↑ Hotelling, Harold. (1944). Some Improvements in Weighing and Other Experimental Techniques. Annals of Mathematical Statistics. 15 (3) 297–306. doi:10.1214/aoms/1177731236.
  24. ↑ (1979). Design and Analysis of Experiments. 350–359. Wiley. ISBN 978-0-85226-914-5.
  25. ↑ 25.0 25.1 Jack Sifri. (8 December 2014). How to Use Design of Experiments to Create Robust Designs With High Yield. youtube.com.
  26. ↑ (23 November 2016). "Detecting and avoiding likely false-positive findings – a practical guide". Biological Reviews. 92 (4) 1941–1968. doi:10.1111/brv.12315.
  27. ↑ 27.0 27.1 (July 17, 2023). Double-Blind Study. StatPearls Publishing.
  28. ↑ Simmons, Joseph. (November 2011). "False-Positive Psychology: Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as Significant". Psychological Science. 22 (11) 1359–1366. doi:10.1177/0956797611417632.
  29. ↑ (2014-06-02). Science, Trust And Psychology in Crisis. KPLU.
  30. ↑ (2014-06-04). Why Statistically Significant Studies Can Be Insignificant. Pacific Standard.
  31. ↑ (2018-03-13). "The preregistration revolution". Proceedings of the National Academy of Sciences. 115 (11) 2600–2606. doi:10.1073/pnas.1708274114.
  32. ↑ Pre-Registering Studies – What Is It, How Do You Do It, and Why?. www.acf.hhs.gov.
  33. ↑ Chris Chambers. (2014-06-10). Physics envy: Do 'hard' sciences hold the solution to the replication crisis in psychology?. theguardian.com.
  34. ↑ Ader, Mellenberg & Hand (2008) "Advising on Research Methods: A consultant's companion"
  35. ↑ Bisgaard, S (2008) "Must a Process be in Statistical Control before Conducting Designed Experiments?", Quality Engineering, ASQ, 20 (2), pp 143–176
  36. ↑ (1979). Design and Analysis of Experiments. 53, 159, 264. Wiley. ISBN 978-0-85226-914-5.
  37. ↑ Montgomery, Douglas. (2013). "Design and analysis of experiments". John Wiley & Sons, Inc. ISBN 978-1-118-14692-7.
  38. ↑ (2007). "Probability & statistics for engineers & scientists". Pearson Prentice Hall. ISBN 978-0-13-187711-5.
  39. ↑ (2010). "Generalized linear models: with applications in engineering and the sciences". Wiley. ISBN 978-0-470-45463-3.
  40. ↑ (1978). Statistics for Experimenters: An Introduction to Design, Data Analysis, and Model Building. Wiley. ISBN 978-0-471-09315-2.
  41. ↑ (2005). "Statistics for Experimenters: Design, Innovation, and Discovery". Wiley. ISBN 978-0-471-71813-0.
  42. ↑ (2010). "Factorial Design for Efficient Experimentation: Generating Informative Data for System Identification". IEEE Control Systems Magazine. 30 (5) 38–53. doi:10.1109/MCS.2010.937677.
  43. ↑ (2008). "Optimal experimental design and some related control problems". Automatica. 44 (2) 303–325. doi:10.1016/j.automatica.2007.05.016.
  44. ↑ (2006). "Statistics: concepts and controversies". Chapter 7: Data ethics. W.H. Freeman. ISBN 978-0-7167-8636-8.
  45. ↑ Ottoboni, M. Alice. (1991). The dose makes the poison: a plain-language guide to toxicology. Van Nostrand Reinhold. ISBN 978-0-442-00660-0.
  46. ↑ Glantz, Stanton A.. (1992). Primer of biostatistics. ISBN 978-0-07-023511-3.

Sources

  • Peirce, C. S. (1877–1878), "Illustrations of the Logic of Science" (সিরিজ), Popular Science Monthly, খণ্ড ১২–১৩। প্রাসঙ্গিক স্বতন্ত্র গবেষণাপত্র:
    • (১৮৭৮ মার্চ), "The Doctrine of Chances", Popular Science Monthly, খণ্ড ১২, মার্চ সংখ্যা, পৃষ্ঠা 604–615। Internet Archive Eprint।
    • (১৮৭৮ এপ্রিল), "The Probability of Induction", Popular Science Monthly, খণ্ড ১২, পৃষ্ঠা 705–718। Internet Archive Eprint।
    • (১৮৭৮ জুন), "The Order of Nature", Popular Science Monthly, খণ্ড ১৩, পৃষ্ঠা 203–217। Internet Archive Eprint।
    • (১৮৭৮ আগস্ট), "Deduction, Induction, and Hypothesis", Popular Science Monthly, খণ্ড ১৩, পৃষ্ঠা 470–482। Internet Archive Eprint।
    • (১৮৮৩), "A Theory of Probable Inference", Studies in Logic, পৃষ্ঠা 126–181, Little, Brown, and Company। (পুনর্মুদ্রিত ১৯৮৩, John Benjamins Publishing Company, 90-272-3271-7)

External links

no

collapsed collection collapsed collapsed

উৎস: ইংরেজি উইকিপিডিয়ার “Design of experiments” নিবন্ধের অনুবাদ। মূল নিবন্ধ: https://en.wikipedia.org/wiki/Design_of_experiments এই অনুবাদটি স্বয়ংক্রিয়ভাবে প্রস্তুত করা হয়েছে।

Retrieved from "https://ltrc.sciwiki.in/index.php?title=পরীক্ষামূলক_নকশা&oldid=3141"