랜덤 할당

Random assignment

랜덤 할당 또는 랜덤 배치는 우연 절차(예: 동전 던지기) 또는 랜덤 숫자 [1]발생기와 같은 랜덤화를 사용하여 실험의 다른 그룹(예: 치료 그룹 대 대조군 그룹)에 인간 참가자 또는 동물 피험자를 할당하는 실험 기법이다.이렇게 하면 각 참가자 또는 피험자가 모든 [1]그룹에 배치될 가능성이 같아집니다.참가자를 무작위로 할당하면 실험 [1]시작 시 그룹 간 및 그룹 내 차이가 체계적이지 않은지 확인할 수 있습니다.따라서 실험이 끝날 때 기록된 그룹 간의 차이는 실험 절차 또는 [1]처리에서 보다 확실하게 기인할 수 있습니다.

무작위 할당, 블라인딩 및 제어는 교란 요인을 통해 결과가 거짓이거나 기만적이지 않도록 하기 위해 실험 설계의 핵심 요소입니다.이것이 임상 연구, 특히 이중맹검과 위약 조절이 가능한 임상 연구에서 무작위 대조 실험이 필수적인 이유이다.

수학적으로 랜덤화, 의사난수화 및 준난수화와 난수생성 사이에는 차이가 있습니다.(임상시험과 같은) 실험에서 이러한 차이가 얼마나 중요한지는 증거 채점에 영향을 미치는 시험 설계와 통계적 엄격성의 문제이다.의사 또는 준준andomization으로 수행된 연구는 보통 진정한 무작위화를 사용하는 연구와 거의 동일한 가중치를 부여하지만, 조금 더 주의해서 관찰된다.

랜덤 할당의 이점

참가자가 랜덤하게 할당되지 않은 실험을 상상해 보십시오. 아마도 먼저 도착한 10명이 실험 그룹에 할당되고 마지막으로 도착한 10명이 제어 그룹에 할당됩니다.실험이 끝나면 실험자는 실험 그룹과 대조군 그룹 간의 차이를 발견하고 이러한 차이가 실험 절차의 결과라고 주장합니다.단, 참가자의 기존 속성(예: 일찍 도착하는 사람 대 늦게 도착하는 사람) 때문일 수도 있다.

실험자가 동전 던지기를 사용하여 참가자를 무작위로 지정한다고 상상해 보십시오.코인이 헤드업될 경우, 참가자는 실험 그룹에 배정됩니다.동전이 뒷부분으로 착지하면 참가자는 제어 그룹에 배정됩니다.실험이 끝나면 실험자는 실험 그룹과 관리 그룹 간의 차이를 찾습니다.각 참가자가 어느 그룹에든 배치될 수 있는 동등한 기회가 있었기 때문에, 그 차이는 참가자의 다른 기존 속성(예: 정시에 도착한 속성 대 늦게 도착한 속성)에 기인할 수 있을 것 같지 않다.

잠재적인 문제

랜덤 할당은 그룹이 일치하거나 동등한 것을 보장하지 않습니다.이 그룹들은 우연에 의해 일부 기존 Atribute에서 여전히 다를 수 있습니다.랜덤 할당을 사용한다고 해서 이 가능성을 배제할 수는 없지만 크게 감소합니다.

동일한 아이디어를 통계적으로 표현하기 위해 - 랜덤하게 할당된 그룹을 평균과 비교하면 동일한 그룹에서 할당되었음에도 불구하고 서로 다른 그룹이 발견될 수 있습니다.랜덤하게 할당된 그룹에 통계적 유의성 검정을 적용하여 표본 평균 간의 차이가 동일한 모집단 평균과 같다는 귀무 가설(즉, 차이의 모집단 평균 = 0)에 대해 검정하는 경우, 확률 분포가 주어질 때 귀무 가설은 "확률"이 아닌 것으로 간주됩니다.사용할 수 없습니다.즉, 절차상 동일한 전체 그룹에서 할당되었음에도 불구하고 통계적으로 동일한 모집단에서 추출되지 않았다고 결론을 내릴 수 있도록 테스트된 변수에서 그룹이 충분히 다를 것이다.예를 들어, 랜덤 할당을 사용하면 한 그룹에 20명의 파란 눈과 5명의 갈색 눈이 있는 그룹에 할당이 생성될 수 있습니다.이는 무작위 할당에 따른 드문 사건이지만 발생할 수 있으며, 발생할 경우 실험 가설의 원인 인자에 약간의 의심을 더할 수 있다.

랜덤 샘플링

랜덤 표본 추출은 관련이 있지만 구별되는 [2]공정입니다.무작위 표본 추출은 더 많은 [2]모집단을 대표하는 방식으로 참가자를 모집하는 것입니다.대부분의 기본적인 통계 테스트는 독립적이고 무작위로 추출된 모집단의 가설을 필요로 하기 때문에, 무작위 할당은 바람직한 할당 방법이다. 왜냐하면 하나 이상의 변수에 대한 일치와 대조적으로 표본 구성원의 모든 속성에 대한 제어를 제공하고, 이와 유사한 것을 추정하기 위한 수학적 기초를 제공하기 때문이다.동등성에 대한 전처리 확인과 추리 통계를 사용한 후처리 결과의 평가를 위해 관심 있는 특성에 대한 집단 동등성의 i후드.더 고급 통계 모델링을 사용하여 추론을 샘플링 방법에 적용할 수 있습니다.

역사

무작위화는 찰스 S.의 통계적 추론 이론에서 강조되었다. "과학 논리의 삽화" (1877–1878)와 "가능성 추론 이론" (1883년)의 퍼스.피어스는 체중 인식에 대한 피어스-재스트로 실험에서 무작위화를 적용했다.

찰스 S.Peirce는 지원자를 블라인드 반복 측정 설계에 랜덤으로 할당하여 [3][4][5][6]체중 식별 능력을 평가했습니다.피어스의 실험은 심리학 및 교육 분야의 다른 연구원들에게 영감을 주었고, 이것은 1800년대에 [3][4][5][6]실험실과 전문 교과서에서 무작위 실험의 연구 전통을 발전시켰다.

Jerzy Neyman은 조사 표본 추출(1934년)과 실험(1923년)[7]에서 무작위화를 지지했다.로널드 A. 피셔는 실험 설계에 관한 그의 책 (1935)에서 무작위화를 지지했다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b c d Witte, Robert S. (5 January 2017). Statistics. Witte, John S. (11 ed.). Hoboken, NJ. p. 5. ISBN 978-1-119-25451-5. OCLC 956984834.
  2. ^ a b "Social Research Methods - Knowledge Base - Random Selection & Assignment".
  3. ^ a b Charles Sanders Peirce and Joseph Jastrow (1885). "On Small Differences in Sensation". Memoirs of the National Academy of Sciences. 3: 73–83.
  4. ^ a b Ian Hacking (September 1988). "Telepathy: Origins of Randomization in Experimental Design". Isis. 79 (3): 427–451. doi:10.1086/354775. S2CID 52201011.
  5. ^ a b 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. S2CID 143685203.
  6. ^ a b Trudy Dehue (December 1997). "Deception, Efficiency, and Random Groups: Psychology and the Gradual Origination of the Random Group Design" (PDF). Isis. 88 (4): 653–673. doi:10.1086/383850. PMID 9519574. S2CID 23526321.
  7. ^ Neyman, Jerzy (1990) [1923], Dabrowska, Dorota M.; Speed, Terence P. (eds.), "On the application of probability theory to agricultural experiments: Essay on principles (Section 9)", Statistical Science (Translated from (1923) Polish ed.), 5 (4): 465–472, doi:10.1214/ss/1177012031, MR 1092986

외부 링크