こたぬき@じっけんけいかくやーもっと理系に実験計画法をー

【実験計画法×化学を解説】フォローして実験を効率的に進めるヒントを！技術士一次試験（化学部門）＆QC検定の解説中。質問ポストに回答します｜大手化学メーカー勤務（技術開発職）｜社内で統計学講師（５年間で約３００人に指導）｜QC検定 １級｜オーケストラ歴20年｜

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【じっけんけいかく講座をオープン】
noteで実験計画法の解説を公開しました！初回は「直交表の使い方」

✅実験計画法を使ってみたい
✅実験を効率的に進めたい

そんな理系の学生・研究者・技術者の方に役立つ情報をお届けしています。

※この投稿のリポストでお得に！
https://t.co/7OptcPfTJc

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【多重共線性とは】
回帰分析を行ったけど、なにかがおかしい…
説明変数同士に相関がある状況は多重共線性と呼ばれ、分析結果がおかしなことに…

例：家賃の予測
　説明変数⇒総面積、部屋数、平均部屋面積
　結論⇒部屋数が少ない方が家賃が安い！？
※総面積と平均部屋面積に相関相関がある！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【相関係数と決定係数】
「𝑅²≒1なので強い相関がありそうです！」
なんて言ってませんか？

２つの係数の違いをしっかり区別しましょう！
　相関係数：関係のつよさ（ー１～１）
　決定係数：モデルのあてはまり（０～１）

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

@carsonpunx そのような見方をすることもできますね！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【最小二乗法とは】
なんかいい感じの直線を引いてくれる手法

…ではなく理論的に「最も確からしい関係式」を算出できる方法です

ポイントは「誤差の二乗和」を最小にすること
図解でその仕組みをまとめてみました！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

@hinminofminmin その発想はなかったです！
絶対値を取るよりは二乗しちゃった方が楽ってことですね

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【回帰分析と直交表】
直交表は回帰分析とも相性が良いのです！
要因効果図や分散分析で効果の有無を特定したら、次は回帰分析で傾向を予測したくなりますよね

直交表から得られたデータは回帰分析における回帰係数の予測精度が高くなるメリットがあります！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【バラツキとサンプルサイズ】
バラツキを過大・過小評価しないために必要な実験回数は…？

標準偏差の信頼区間を狙った範囲に収めるために必要なサンプルサイズは計算で算出可能です
たとえば…
　上限を真値の2倍以内に収める：最低24点
　下限を真値の半分以上に収める：最低12点

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【AI時代の研究開発に求められるスキルは？】
研究開発におけるAIの活用と研究者に求められる役割について言及した記事

現場でのAI活用は当たり前になりつつあります。しかし、膨大な情報処理やパターン認識の速度でAIに勝つことは不可能…
では、人間にしかできない役割とは何か？

私は「解くべき課題を選択すること」だと考えています

記事でも最後はこう締めくくられています
『最も希少な資源は、どの問いを発する価値があるのかを知ること』
https://t.co/bc4cKocyqJ

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【サンプルサイズの決め方】
実験に必要なサンプル数っていくつだろう…
実は目安があるって知ってましたか？

３つのパラメータ（α, β, Δ）を設定すると必要なサンプル数を見積もることができます

ポイントは「どの程度の差を差をみなすか」
Δは研究者・技術者にしか決められません！

[さいばね@HELLO CYBERNETICS @ML_deep]

検出力やサンプルサイズ設計は重要な概念。意外とみんな知らないまま、alpha0.05だけを固定してよく手持ちデータフルで検定したりしてませんかね。

リポスト元は実験が大変なケースが想定されてますが、逆にビッグデータだと意味のない差を有意と言い張ってしまったりするので注意です。

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

@ML_deep おっしゃる通りで、データが取りやすいからとサンプルサイズを不必要に大きくしすぎると、どんな小さな差でも有意だと判定されてしまいますよね

[とうや@企業研究職/食品・栄養 @NzXyZQDOCMpLgz5]

機能性食品のヒト介入試験はほとんどが「①検出したい差<バラツキ」です。
小さい差を検出するためにnを増やすケースも見られますが、そもそもそこまでして検出すべき差なのかを考えた方がいい場合もありそう🧐

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

@NzXyZQDOCMpLgz5 まさにその通りですね！
検出したい差の設定は研究者・技術者にしかできませんからね

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【差とバラツキとサンプルサイズ】
あなたの実験系はどちらですか？？
　①　検出したい差＜バラツキ
　②　検出したい差＞バラツキ

①の状況は要注意！
必要なサンプルサイズが爆発的に増えるので、サンプル数を稼ぐより、測定方法の見直しが近道かも…

少しの改善で劇的に必要なサンプルサイズが減りますよ
現実的なサンプル数にするには②の状況をつくりましょう！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【サンプルサイズの決め方】
正確な平均値を知るために必要な実験回数って…？

平均値の信頼区間を狙った幅に収めるために必要サンプルサイズは計算で求められます！
測定のバラツキと同程度の精度を得るためには最低7点のデータが必要です

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【実験計画法フローチャート】
実験計画法って〇〇計画がいっぱいあって何から勉強したらいいかわからない…

そんな方は実験の目的から実験計画を選んだ上で使い方を勉強してみてください！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【問題を発見するための4P分析】
そもそも「何のために」実験しているんだっけ…？と、ならないように、実験を始める前に目的や目標を明確化しておきおきましょう！

問題を発見するためのフレームワークのご紹介です↓（マーケティングの4Pとは異なるのでご注意を！）

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

「回帰に濃度0を入れるのは不適切」

なるほどたしかに！
切片0で回帰すると定義の都合で決定係数が高めにでるし、科学的に意味を持たせたい場合でなければ混ぜない方が無難なのかな

[こーし⚡️ケミカルエンジニア @mimikousi]

✅統計学のセンス
ポイントは対照群が「無添加」ではなく「最小投与量」で定義されている点。
曲線の外挿先に濃度0の応答がある保証はなく、回帰に濃度0を入れるのは不適切。
混ぜると傾きが歪み、最適添加量の推定を外しやすい。
化学分野の触媒量や添加剤量を振るときも全く同じなので参考になる！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【エクセルで確率分布】
代表的な確率分布の値をエクセルで出力する関数をまとめました！
ルールとして、分布名＋…
　DIST-TRUE：面積
　DIST-FALSE：縦軸
　INV：横軸
　RT：右側確率
と整理すると覚えやすいですね！

[こたぬき@じっけんけいかくやーもっと理系に実験計画法をー @cotanukii]

【統計的仮説検定の２つの誤り】
統計的に得られた結論は絶対だ！…その考えはちょっと危険です

仮説検定は一定の確率で誤った結論を導く可能性があります
その前提を理解した上で活用しましょう！
あわてもの(α)とぼんやりもの(β)の誤りと覚えるといいですよ！