ds data-preparation design
まず結論
実験計画法とは、「どの要因が結果に影響しているかを、できるだけ少ない実験回数で明らかにするための考え方」です。
DS検定では、「無駄な実験を減らしつつ、因果関係をどう見極めるか」を判断させる問題として出題されます。
直感的な説明
例えば、ネット広告の効果を調べたいとします。
- 背景色：2パターン
- キャッチコピー：2パターン
- 画像：2パターン
すべての組み合わせを試すと 2×2×2＝8通りになります。
でも、実務では
「時間もコストも限られている」
という前提があります。
そこで、
- 必要な情報を失わずに
- 実験回数を減らす
ための設計が「実験計画法」です。
つまり、
とりあえず全部試す、ではなく
設計してから試す
これが本質です。
定義・仕組み
実験計画法は、
- 結果に影響を与える要因（因子）
- その因子の取りうる値（水平）
を整理し、
「どの因子がどれだけ影響しているか」を調べる方法です。
基本的な考え方
- 因子を決める
- 水準を決める
- 実験の組み合わせを設計する
- 分散分析などで影響度を比較する
分散分析との関係
実験計画法では、
「ばらつき」を分解して考えます。
- 因子によるばらつき
- 誤差（偶然）のばらつき
もし
因子によるばらつきのほうが大きければ、
「その因子は意味がある」と判断します。
DS検定では、
実験計画法と分散分析はセットで理解しておくことが重要です。
分散分析の計算を問うのではなく、
ばらつきを分けて考える発想
を理解しているかが問われます。
直交表とは？
実験回数を減らすために使うのが「直交表」です。
特徴は、
- 各因子が公平に組み合わさる
- 少ない回数で影響を推定できる
という点です。
DS検定では
「すべての組み合わせを試す方法」との違いを問われやすいです。
どんな場面で使う？
使う場面
- 製造業での品質改善
- マーケティング施策の最適化
- UIデザインの改善
- 医療・農業の実験
共通点は、
原因を特定したい
でも全部は試せない
という状況です。
使わない（誤解しやすい）場面
- 単なるアンケート集計
- 相関を見るだけの分析
- 機械学習モデルのパラメータ探索（※これは別概念）
選択肢では
「相関分析と同じ」と書かれていたら注意です。
よくある誤解・混同
① 相関分析との混同
相関分析は
「関係があるか」を見る方法。
実験計画法は
「意図的に操作して因果を調べる」方法。
DS検定ではここを混同させてきます。
② 全組み合わせ実験との違い
全部試す方法は「完全実施実験」。
実験計画法では
直交表などを使い、回数を減らします。
「実験計画法＝全部試す方法」
という選択肢は誤りです。
③ A/Bテストとの違い
A/Bテストは「1要因」の比較。
実験計画法は
複数因子を同時に扱える。
ここもひっかけポイントです。
まとめ（試験直前用）
- 実験計画法＝少ない実験で原因を特定する設計手法
- 因子・水準を整理し、ばらつきを分けて考える
- 分散分析とセットで理解する
- 相関分析とは別物（因果を検証する）
- 全部試す方法ではない
DS検定では、
「実験回数を削減しながら要因を特定できる方法」
と書かれていれば正解方向です。
対応スキル項目（データサイエンス力シート）
- スキルカテゴリ名：データ理解・前処理・可視化
- サブカテゴリ名：データの分析設計
- ★ 課題に応じて適切なデータ取得・実験計画を設計できる
🔗 関連記事
- アクセス制御リスト（ACL）とは？ファイル権限の基本を整理【DS検定】
- 中間層で使用される活性化関数とは？（ReLU・シグモイド・ソフトマックスの違い）【DS検定】
- アジャイル開発とは？ウォーターフォール開発との違いを整理【DS検定】
- 分析アプローチ設計とは？（分析プロジェクトを成功させる設計プロセス）【DS検定】
- 必要なデータ・分析手法・可視化を適切に選択する力とは？【DS検定】