تصميم التجارب

من المحتمل أن تحتوي هذه المقالة على أبحاث أصلية . يرجى تحسينها من خلال التحقق من الادعاءات المقدمة وإضافة الاستشهادات المضمنة . يجب إزالة البيانات التي تتكون فقط من أبحاث أصلية. ( ديسمبر 2020 ) ( تعرف على كيفية ومتى تحذف هذه الرسالة )

تصميم التجارب ، والمعروف أيضًا باسم تصميم التجربة أو التصميم التجريبي ، هو تصميم أي مهمة تهدف إلى وصف وشرح تباين المعلومات في ظل ظروف يُفترض أنها تعكس التباين. يرتبط المصطلح عمومًا بالتجارب التي يقدم فيها التصميم ظروفًا تؤثر بشكل مباشر على التباين، ولكنه قد يشير أيضًا إلى تصميم التجارب شبه التجريبية ، حيث يتم اختيار الظروف الطبيعية التي تؤثر على التباين للملاحظة.

في أبسط صوره، تهدف التجربة إلى التنبؤ بالنتيجة من خلال إدخال تغيير في الشروط المسبقة، والتي يتم تمثيلها بمتغير مستقل واحد أو أكثر ، يشار إليها أيضًا باسم "متغيرات الإدخال" أو "متغيرات التنبؤ". يُفترض عمومًا أن التغيير في متغير مستقل واحد أو أكثر يؤدي إلى تغيير في متغير تابع واحد أو أكثر ، يشار إليه أيضًا باسم "متغيرات الإخراج" أو "متغيرات الاستجابة". قد يحدد التصميم التجريبي أيضًا متغيرات التحكم التي يجب أن تظل ثابتة لمنع العوامل الخارجية من التأثير على النتائج. لا يتضمن التصميم التجريبي اختيار المتغيرات المستقلة والتابعة والمتغيرات الضابطة المناسبة فحسب، بل يتضمن أيضًا التخطيط لتقديم التجربة في ظل ظروف إحصائية مثالية بالنظر إلى قيود الموارد المتاحة. هناك طرق متعددة لتحديد مجموعة نقاط التصميم (مجموعات فريدة من إعدادات المتغيرات المستقلة) التي سيتم استخدامها في التجربة.

تشمل المخاوف الرئيسية في التصميم التجريبي إثبات الصلاحية والموثوقية والقدرة على التكرار . على سبيل المثال، يمكن معالجة هذه المخاوف جزئيًا من خلال اختيار المتغير المستقل بعناية ، وتقليل مخاطر خطأ القياس، والتأكد من أن توثيق الطريقة مفصل بشكل كافٍ. تشمل المخاوف ذات الصلة تحقيق مستويات مناسبة من القوة الإحصائية والحساسية .

إن التجارب المصممة بشكل صحيح تعمل على تعزيز المعرفة في العلوم الطبيعية والاجتماعية والهندسة، مع الاعتراف بمنهجية تصميم التجارب كأداة رئيسية في التنفيذ الناجح لإطار الجودة من خلال التصميم (QbD). ^[1] تشمل التطبيقات الأخرى التسويق وصنع السياسات. تعد دراسة تصميم التجارب موضوعًا مهمًا في العلوم الفوقية .

تم تطوير نظرية الاستدلال الإحصائي بواسطة تشارلز س. بيرس في " رسوم توضيحية لمنطق العلوم " (1877-1878) ^[2] و" نظرية الاستدلال المحتمل " (1883)، ^[3] وهما منشوران أكدا على أهمية الاستدلال القائم على العشوائية في الإحصاء. ^[4]

قام تشارلز س. بيرس بتعيين متطوعين بشكل عشوائي في تصميم أعمى متكرر القياسات لتقييم قدرتهم على التمييز بين الأوزان. ^{[5] [6] [7] [8]} ألهمت تجربة بيرس باحثين آخرين في علم النفس والتعليم، الذين طوروا تقليدًا بحثيًا للتجارب العشوائية في المختبرات والكتب المدرسية المتخصصة في القرن التاسع عشر. ^{[5] [6] [7] [8]}

كما ساهم تشارلز س. بيرس أيضًا في أول منشور باللغة الإنجليزية حول التصميم الأمثل لنماذج الانحدار في عام 1876. ^[9] اقترح جيرجون تصميمًا مثاليًا رائدًا للانحدار متعدد الحدود في عام 1815. في عام 1918، نشرت كيرستين سميث تصميمات مثالية متعددات الحدود من الدرجة السادسة (وأقل). ^{[10] [11]}

إن استخدام سلسلة من التجارب، حيث قد يعتمد تصميم كل منها على نتائج التجارب السابقة، بما في ذلك القرار المحتمل بإيقاف التجربة، يندرج ضمن نطاق التحليل المتسلسل ، وهو المجال الذي كان رائدًا ^[12] من قبل أبراهام والد في سياق الاختبارات المتسلسلة للفرضيات الإحصائية. ^{[13] كتب} هيرمان تشيرنوف نظرة عامة على التصميمات المتسلسلة المثلى، ^[14] بينما تم مسح التصميمات التكيفية بواسطة S. Zacks. ^[15] أحد الأنواع المحددة للتصميم المتسلسل هو "اللص ذو الذراعين"، والذي تم تعميمه على اللص متعدد الأذرع ، والذي تم إجراء العمل المبكر عليه بواسطة هربرت روبنز في عام 1952. ^[16]

اقترح رونالد فيشر منهجية لتصميم التجارب في كتبه المبتكرة: ترتيب التجارب الميدانية (1926) وتصميم التجارب (1935). تناول الكثير من أعماله الرائدة التطبيقات الزراعية للأساليب الإحصائية. كمثال عادي، وصف كيفية اختبار فرضية السيدة التي تتذوق الشاي ، والتي تقول إن سيدة معينة يمكنها التمييز من خلال النكهة وحدها ما إذا كان الحليب أو الشاي قد تم وضعه أولاً في الكوب. تم تكييف هذه الأساليب على نطاق واسع في الأبحاث البيولوجية والنفسية والزراعية. ^[17]

مقارنة

في بعض مجالات الدراسة، ليس من الممكن الحصول على قياسات مستقلة وفقًا لمعيار قياس قابل للتتبع . تعد المقارنات بين المعالجات أكثر قيمة وعادة ما تكون مفضلة، وغالبًا ما تتم مقارنتها بمراقبة علمية أو معالجة تقليدية تعمل كخط أساس.

التوزيع العشوائي

التعيين العشوائي هو عملية تعيين الأفراد عشوائيًا لمجموعات أو لمجموعات مختلفة في تجربة، بحيث يكون لكل فرد من السكان نفس الفرصة ليصبح مشاركًا في الدراسة. إن التعيين العشوائي للأفراد لمجموعات (أو ظروف داخل مجموعة) يميز التجربة الصارمة "الحقيقية" عن الدراسة الرصدية أو "شبه التجربة". ^[18] هناك مجموعة واسعة من النظريات الرياضية التي تستكشف عواقب إجراء تخصيص الوحدات للمعالجات من خلال بعض الآليات العشوائية (مثل جداول الأرقام العشوائية، أو استخدام أجهزة التوزيع العشوائي مثل أوراق اللعب أو النرد). يميل تعيين الوحدات للمعالجات عشوائيًا إلى التخفيف من الالتباس ، مما يجعل التأثيرات الناجمة عن عوامل أخرى غير المعالجة تبدو وكأنها ناتجة عن المعالجة.

إن المخاطر المرتبطة بالتخصيص العشوائي (مثل وجود خلل خطير في سمة أساسية بين مجموعة العلاج ومجموعة التحكم) قابلة للحساب، وبالتالي يمكن إدارتها إلى مستوى مقبول باستخدام وحدات تجريبية كافية. ومع ذلك، إذا تم تقسيم السكان إلى عدة مجموعات فرعية تختلف بطريقة ما، ويتطلب البحث أن تكون كل مجموعة فرعية متساوية في الحجم، فيمكن استخدام العينة الطبقية. وبهذه الطريقة، يتم اختيار الوحدات في كل مجموعة فرعية عشوائيًا، ولكن ليس العينة بأكملها. لا يمكن تعميم نتائج التجربة بشكل موثوق من الوحدات التجريبية إلى مجموعة إحصائية أكبر من الوحدات إلا إذا كانت الوحدات التجريبية عينة عشوائية من السكان الأكبر؛ ويعتمد الخطأ المحتمل لمثل هذا الاستقراء على حجم العينة، من بين أمور أخرى.

التكرار الإحصائي

تخضع القياسات عادةً للتباين وعدم اليقين في القياس ؛ وبالتالي يتم تكرارها وتكرار التجارب الكاملة للمساعدة في تحديد مصادر التباين، وتقدير التأثيرات الحقيقية للعلاجات بشكل أفضل، وتعزيز موثوقية التجربة وصلاحيتها بشكل أكبر، وإضافة المزيد إلى المعرفة الموجودة بالموضوع. ^[19] ومع ذلك، يجب استيفاء شروط معينة قبل البدء في تكرار التجربة: تم نشر سؤال البحث الأصلي في مجلة تمت مراجعتها من قبل الأقران أو الاستشهاد به على نطاق واسع، وأن يكون الباحث مستقلاً عن التجربة الأصلية، ويجب على الباحث أولاً محاولة تكرار النتائج الأصلية باستخدام البيانات الأصلية، ويجب أن يذكر التقرير أن الدراسة التي أجريت هي دراسة تكرار حاولت اتباع الدراسة الأصلية بأكبر قدر ممكن من الدقة. ^[20]

حجب

التكديس هو الترتيب غير العشوائي للوحدات التجريبية في مجموعات (كتل) تتكون من وحدات متشابهة مع بعضها البعض. يقلل التكديس من مصادر التباين المعروفة ولكن غير ذات الصلة بين الوحدات وبالتالي يسمح بدقة أكبر في تقدير مصدر التباين قيد الدراسة.

عمودية

تتعلق التقويمية بأشكال المقارنة (التباينات) التي يمكن إجراؤها بشكل شرعي وفعال. يمكن تمثيل التباينات بواسطة متجهات ومجموعات التباينات المتعامدة غير مترابطة وموزعة بشكل مستقل إذا كانت البيانات طبيعية. وبسبب هذا الاستقلال، توفر كل معالجة متعامدة معلومات مختلفة عن الأخرى. إذا كانت هناك معالجات T وتباينات متعامدة T – 1، فإن جميع المعلومات التي يمكن التقاطها من التجربة يمكن الحصول عليها من مجموعة التباينات.

التجارب متعددة العوامل

استخدام التجارب متعددة العوامل بدلاً من أسلوب عامل واحد في كل مرة. وهي فعالة في تقييم تأثيرات وتفاعلات عدة عوامل (متغيرات مستقلة). يعتمد تحليل تصميم التجربة على أساس تحليل التباين ، وهو مجموعة من النماذج التي تقسم التباين الملحوظ إلى مكونات، وفقًا للعوامل التي يجب على التجربة تقديرها أو اختبارها.

يُنسب هذا المثال لتجارب التصميم إلى هارولد هوتلينج ، بناءً على أمثلة من فرانك ييتس . ^{[21] [22] [14]} تتضمن التجارب المصممة في هذا المثال تصميمات تركيبية . ^[23]

يتم قياس أوزان ثمانية أشياء باستخدام ميزان المقلاة ومجموعة من الأوزان القياسية. يقيس كل وزن الفرق في الوزن بين الأشياء الموجودة في المقلاة اليسرى وأي أشياء في المقلاة اليمنى عن طريق إضافة أوزان معايرة إلى المقلاة الأخف وزناً حتى يصبح الميزان في حالة توازن. كل قياس له خطأ عشوائي . الخطأ المتوسط ​​هو صفر؛ الانحرافات المعيارية لتوزيع احتمالات الأخطاء هي نفس الرقم σ في عمليات الوزن المختلفة؛ الأخطاء في عمليات الوزن المختلفة مستقلة . قم بالإشارة إلى الأوزان الحقيقية بواسطة

${\displaystyle \theta _{1},\dots ,\theta _{8}.\,}$

نحن نأخذ في الاعتبار تجربتين مختلفتين:

1. قم بوزن كل جسم في وعاء واحد، مع إبقاء الوعاء الآخر فارغًا. ليكن X _i هو الوزن المقاس للجسم، حيث i  = 1، ...، 8.
2. قم بإجراء عمليات الوزن الثمانية وفقًا للجدول التالي - مصفوفة الوزن :

${\displaystyle {\begin{array}{lcc}&{\text{الميزان الأيسر}}&{\text{الميزان الأيمن}}\\\hline {\text{الوزن الأول:}}&1\ 2\ 3\ 4\ 5\ 6\ 7\ 8&{\text{(فارغ)}}\\{\text{الميزان الثاني:}}&1\ 2\ 3\ 8\ &4\ 5\ 6\ 7\\{\text{الميزان الثالث:}}&1\ 4\ 5\ 8\ &2\ 3\ 6\ 7\\{\text{الميزان الرابع:}}&1\ 6\ 7\ 8\ &2\ 3\ 4\ 5\\{\text{الميزان الخامس:}}&2\ 4\ 6\ 8\ &1\ 3\ 5\ 7\\{\text{الميزان السادس:}}&2\ 5\ 7\ 8\ &1\ 3\ 4\ 6\{\text{السابع:}}&3\ 4\ 7\ 8\ &1\ 2\ 5\ 6\{\text{الثامن:}}&3\ 5\ 6\ 8\ &1\ 2\ 4\ 7\end{array}}}$

ليكن Y _i هو الفرق المقاس لـ i = 1، ...، 8. إذن القيمة المقدرة للوزن θ ₁ هي

${\displaystyle {\widehat {\theta }}_{1}={\frac {Y_{1}+Y_{2}+Y_{3}+Y_{4}-Y_{5}-Y_{6}-Y_{7}-Y_{8}}{8}}.}$

ويمكن العثور على تقديرات مماثلة لأوزان العناصر الأخرى:

${\displaystyle {\begin{aligned}{\widehat {\theta }}_{2}&={\frac {Y_{1}+Y_{2}-Y_{3}-Y_{4}+Y_{5}+Y_{6}-Y_{7}-Y_{8}}{8}}.\\[5pt]{\widehat {\theta }}_{3}&={\frac {Y_{1}+Y_{2}-Y_{3}-Y_{4}-Y_{5}-Y_{6}+Y_{7}+Y_{8}}{8}}.\\[5pt]{\widehat {\theta }}_{4}&={\frac {Y_{1}-Y_{2}+Y_{3}-Y_{4}+Y_{5}-Y_{6}+Y_{7}-Y_{8}}{8}}.\\[5pt]{\widehat {\theta }}_{5}&={\frac {Y_{1}-Y_{2}+Y_{3}-Y_{4}-Y_{5}+Y_{6}-Y_{7}+Y_{8}}{8}}.\\[5pt]{\widehat {\theta }}_{6}&={\frac {Y_{1}-Y_{2}-Y_{3}+Y_{4}+Y_{5}-Y_{6}-Y_{7}+Y_{8}}{8}}.\\[5pt]{\widehat {\theta }}_{7}&={\frac {Y_{1}-Y_{2}-Y_{3}+Y_{4}-Y_{5}+Y_{6}+Y_{7}-Y_{8}}{8}}.\\[5pt]{\widehat {\theta }}_{8}&={\frac {Y_{1}+Y_{2}+Y_{3}+Y_{4}+Y_{5}+Y_{6}+Y_{7}+Y_{8}}{8}}.\end{aligned}}}$

السؤال في تصميم التجارب هو: أي تجربة هي الأفضل؟

إن تباين التقدير X ₁ لـ θ ₁ هو σ ² إذا استخدمنا التجربة الأولى. ولكن إذا استخدمنا التجربة الثانية، فإن تباين التقدير المعطى أعلاه هو σ ² /8. وبالتالي فإن التجربة الثانية تمنحنا 8 أضعاف الدقة لتقدير عنصر واحد، وتقدر جميع العناصر في وقت واحد، بنفس الدقة. إن ما تحققه التجربة الثانية بثمانية عناصر سيتطلب 64 عملية وزن إذا تم وزن العناصر بشكل منفصل. ومع ذلك، لاحظ أن التقديرات للعناصر التي تم الحصول عليها في التجربة الثانية بها أخطاء ترتبط ببعضها البعض.

تتضمن العديد من مشاكل تصميم التجارب تصميمات تركيبية ، كما في هذا المثال وغيره. ^[23]

إن الاستنتاجات الإيجابية الكاذبة ، والتي غالبًا ما تنتج عن الضغط من أجل النشر أو تحيز التأكيد من جانب المؤلف نفسه ، تشكل خطرًا متأصلًا في العديد من المجالات. ^[24]

إن استخدام التصميمات مزدوجة التعمية يمكن أن يمنع التحيزات التي قد تؤدي إلى نتائج إيجابية كاذبة في مرحلة جمع البيانات . فعند استخدام التصميم مزدوج التعمية، يتم تعيين المشاركين عشوائيًا في مجموعات تجريبية، لكن الباحث لا يعرف أي المشاركين ينتمون إلى أي مجموعة. وبالتالي، لا يستطيع الباحث التأثير على استجابة المشاركين للتدخل. ^[25]

إن التصميمات التجريبية ذات درجات الحرية غير المعلنة ^{[ مصطلحات ]} تشكل مشكلة، ^[26] حيث أنها قد تؤدي إلى " اختراق p " عن قصد أو بغير قصد: تجربة أشياء متعددة حتى تحصل على النتيجة المرجوة. وعادة ما ينطوي ذلك على التلاعب - ربما بغير قصد - بعملية التحليل الإحصائي ودرجات الحرية حتى تعود برقم أقل من مستوى p<.05 من الأهمية الإحصائية . ^{[27] [28]}

يمكن منع اختراق البيانات من خلال التسجيل المسبق للأبحاث، حيث يتعين على الباحثين إرسال خطة تحليل البيانات الخاصة بهم إلى المجلة التي يرغبون في نشر بحثهم فيها قبل أن يبدأوا حتى في جمع البيانات، وبالتالي لا يكون التلاعب بالبيانات ممكنًا. ^{[29] [30]}

هناك طريقة أخرى لمنع ذلك وهي استخدام تصميم مزدوج التعمية لمرحلة تحليل البيانات، مما يجعل الدراسة ثلاثية التعمية، حيث يتم إرسال البيانات إلى محلل بيانات غير مرتبط بالبحث الذي يقوم بخلط البيانات بحيث لا توجد طريقة لمعرفة المشاركين الذين ينتمون قبل أن يتم استبعادهم باعتبارهم قيمًا متطرفة. ^[25]

كما أن التوثيق الواضح والكامل للمنهجية التجريبية مهم أيضًا لدعم تكرار النتائج . ^[31]

يتطلب التصميم التجريبي أو التجربة السريرية العشوائية دراسة متأنية لعدة عوامل قبل إجراء التجربة فعليًا. ^[32] التصميم التجريبي هو وضع خطة تجريبية مفصلة قبل إجراء التجربة. تمت مناقشة بعض الموضوعات التالية بالفعل في قسم مبادئ التصميم التجريبي:

1. كم عدد العوامل التي يحتويها التصميم، وهل مستويات هذه العوامل ثابتة أم عشوائية؟
2. هل هناك شروط تحكمية مطلوبة وما هي تلك الشروط؟
3. التحقق من التلاعب: هل نجح التلاعب حقًا؟
4. ما هي المتغيرات الخلفية؟
5. ما هو حجم العينة؟ كم عدد الوحدات التي يجب جمعها حتى تكون التجربة قابلة للتعميم ولها قوة كافية ؟
6. ما هي أهمية التفاعلات بين العوامل؟
7. ما هو تأثير التأثيرات المتأخرة للعوامل الموضوعية على النتائج؟
8. كيف تؤثر تحولات الاستجابة على مقاييس التقرير الذاتي؟
9. ما مدى إمكانية تكرار تطبيق نفس أدوات القياس على نفس الوحدات في مناسبات مختلفة، مع إجراء اختبار لاحق واختبارات متابعة؟
10. ماذا عن استخدام اختبار الوكيل؟
11. هل هناك متغيرات مربكة ؟
12. هل يجب على العميل/المريض أو الباحث أو حتى محلل البيانات أن يكون أعمى عن الظروف؟
13. ما هي إمكانية تطبيق شروط مختلفة على نفس الوحدات لاحقا؟
14. ما عدد عوامل التحكم والضوضاء التي يجب أخذها في الاعتبار؟

إن المتغير المستقل في الدراسة غالباً ما يكون له مستويات عديدة أو مجموعات مختلفة. وفي التجربة الحقيقية، يمكن للباحثين أن يكون لديهم مجموعة تجريبية، حيث يتم تنفيذ تدخلهم لاختبار الفرضية، ومجموعة تحكم، والتي تحتوي على نفس العناصر الموجودة في المجموعة التجريبية، دون عنصر التدخل. وبالتالي، عندما يتم تثبيت كل شيء آخر باستثناء تدخل واحد، يمكن للباحثين أن يؤكدوا بيقين إلى حد ما أن هذا العنصر هو الذي تسبب في التغيير الملحوظ. في بعض الحالات، لا يكون وجود مجموعة تحكم أخلاقياً. ويتم حل هذه المشكلة أحياناً باستخدام مجموعتين تجريبيتين مختلفتين. وفي بعض الحالات، لا يمكن التلاعب بالمتغيرات المستقلة، على سبيل المثال عند اختبار الفرق بين مجموعتين مصابتين بمرض مختلف، أو اختبار الفرق بين الجنسين (من الواضح أن المتغيرات التي سيكون من الصعب أو غير الأخلاقي تعيين المشاركين فيها). في هذه الحالات، يمكن استخدام تصميم شبه تجريبي.

في التصميم التجريبي البحت، يتم التلاعب بالمتغير المستقل (المتنبئ) من قبل الباحث - أي - يتم اختيار كل مشارك في البحث عشوائيًا من السكان، ويتم تعيين كل مشارك يتم اختياره عشوائيًا لظروف المتغير المستقل. فقط عندما يتم ذلك يمكن إصدار شهادة باحتمالية عالية بأن سبب الاختلافات في متغيرات النتائج ناتج عن الظروف المختلفة. لذلك، يجب على الباحثين اختيار التصميم التجريبي على أنواع التصميم الأخرى كلما أمكن ذلك. ومع ذلك، فإن طبيعة المتغير المستقل لا تسمح دائمًا بالتلاعب. في هذه الحالات، يجب أن يكون الباحثون على دراية بعدم إصدار شهادة بشأن الإسناد السببي عندما لا يسمح تصميمهم بذلك. على سبيل المثال، في التصاميم الرصدية، لا يتم تعيين المشاركين عشوائيًا للظروف، وبالتالي إذا وجدت اختلافات في متغيرات النتائج بين الظروف، فمن المحتمل أن يكون هناك شيء آخر غير الاختلافات بين الظروف يسبب الاختلافات في النتائج، أي - متغير ثالث. وينطبق الشيء نفسه على الدراسات ذات التصميم الارتباطي.

من الأفضل أن تكون العملية تحت سيطرة إحصائية معقولة قبل إجراء التجارب المصممة. عندما لا يكون ذلك ممكنًا، فإن الحظر المناسب والتكرار والعشوائية تسمح بإجراء التجارب المصممة بعناية. ^[33] للتحكم في المتغيرات المزعجة، ينشئ الباحثون فحوصات التحكم كإجراءات إضافية. يجب على المحققين التأكد من أن التأثيرات غير المنضبطة (على سبيل المثال، إدراك مصداقية المصدر) لا تحرف نتائج الدراسة. يعد فحص التلاعب أحد أمثلة فحص التحكم. تسمح فحوص التلاعب للمحققين بعزل المتغيرات الرئيسية لتعزيز الدعم بأن هذه المتغيرات تعمل كما هو مخطط لها.

أحد أهم متطلبات تصميمات البحث التجريبي هو ضرورة القضاء على تأثيرات المتغيرات الزائفة والمتداخلة والسابقة . في النموذج الأكثر أساسية، يؤدي السبب (X) إلى التأثير (Y). ولكن قد يكون هناك متغير ثالث (Z) يؤثر على (Y)، وقد لا يكون X هو السبب الحقيقي على الإطلاق. يُقال إن Z متغير زائف ويجب التحكم فيه. وينطبق الشيء نفسه على المتغيرات الوسيطة (متغير بين السبب المفترض (X) والتأثير (Y)) والمتغيرات السابقة (متغير سابق للسبب المفترض (X) وهو السبب الحقيقي). عندما يكون هناك متغير ثالث متورط ولم يتم التحكم فيه، يُقال إن العلاقة هي علاقة من الدرجة صفر. في معظم التطبيقات العملية لتصميمات البحث التجريبي، توجد أسباب عديدة (X1، X2، X3). في معظم التصميمات، يتم التلاعب بواحد فقط من هذه الأسباب في كل مرة.

تم العثور على بعض التصميمات الفعالة لتقدير العديد من التأثيرات الرئيسية بشكل مستقل وفي تتابع قريب من قبل راج تشاندرا بوس وك . كيشين في عام 1940 في المعهد الإحصائي الهندي ، لكنها ظلت غير معروفة حتى نُشرت تصميمات بلاكيت-بورمان في بيومتريكا في عام 1946. في نفس الوقت تقريبًا، قدم سي آر راو مفاهيم المصفوفات المتعامدة كتصاميم تجريبية. لعب هذا المفهوم دورًا محوريًا في تطوير أساليب تاجوتشي بواسطة جينيتشي تاجوتشي ، والتي حدثت أثناء زيارته للمعهد الإحصائي الهندي في أوائل الخمسينيات من القرن الماضي. تم تطبيق أساليبه وتبنيها بنجاح من قبل الصناعات اليابانية والهندية، ثم تبنتها أيضًا الصناعة الأمريكية وإن كان مع بعض التحفظات.

في عام 1950، نشر جيرترود ماري كوكس وويليام جيميل كوشران كتاب "التصاميم التجريبية"، والذي أصبح بمثابة المرجع الرئيسي في مجال تصميم التجارب للإحصائيين لسنوات بعد ذلك.

لقد شملت تطورات نظرية النماذج الخطية وتجاوزت الحالات التي تهم الكتاب الأوائل. واليوم، تعتمد النظرية على موضوعات متقدمة في الجبر الخطي والجبر والتركيبات .

كما هو الحال مع فروع الإحصاء الأخرى، يتم متابعة التصميم التجريبي باستخدام كل من النهج التكراري والبيزي : في تقييم الإجراءات الإحصائية مثل التصاميم التجريبية، تدرس الإحصاءات التكرارية توزيع العينة بينما تقوم الإحصاءات البايزية بتحديث توزيع الاحتمالات على مساحة المعلمات.

بعض المساهمين المهمين في مجال التصميمات التجريبية هم CS Peirce و RA Fisher و F. Yates و RC Bose و AC Atkinson و RA Bailey و DR Cox و GEP Box و WG Cochran و WT Federer و VV Fedorov و AS Hedayat و J. Kiefer و O. Kempthorne و JA Nelder و Andrej Pázman و Friedrich Pukelsheim و D. Raghavarao و CR Rao و Shrikhande SS و JN Srivastava و William J. Studden و G. Taguchi و HP Wynn. ^[34]

وصلت الكتب المدرسية لـ D. Montgomery و R. Myers و G. Box/W. Hunter/JS Hunter إلى أجيال من الطلاب والممارسين. ^{[35] [36] [37] [38] [39]} وعلاوة على ذلك، هناك مناقشة مستمرة للتصميم التجريبي في سياق بناء النماذج للنماذج الثابتة أو الديناميكية، والمعروفة أيضًا باسم تحديد النظام . ^{[40] [41]}

تمنع القوانين والاعتبارات الأخلاقية إجراء بعض التجارب المصممة بعناية على البشر. تعتمد القيود القانونية على الاختصاص القضائي . قد تتضمن القيود مجالس المراجعة المؤسسية والموافقة المستنيرة والسرية التي تؤثر على كل من التجارب السريرية (الطبية) والتجارب السلوكية والاجتماعية. ^[42] في مجال علم السموم، على سبيل المثال، يتم إجراء التجارب على الحيوانات المعملية بهدف تحديد حدود التعرض الآمن للبشر . [ ^43] توازن القيود وجهات النظر من المجال الطبي. ^[44] فيما يتعلق بالتوزيع العشوائي للمرضى، "... إذا لم يكن أحد يعرف أي علاج أفضل، فلا توجد ضرورة أخلاقية لاستخدام علاج أو آخر." (ص 380) فيما يتعلق بالتصميم التجريبي، "... من الواضح أنه ليس من الأخلاقي تعريض الأشخاص لخطر جمع البيانات في دراسة سيئة التصميم عندما يمكن تجنب هذا الموقف بسهولة ..." (ص 393)

• فصل من "دليل NIST/SEMATECH حول إحصاءات الهندسة" في NIST
• تصميمات بوكس-بهينكن من "دليل NIST/SEMATECH للإحصائيات الهندسية" في NIST