実験計画法はとても役に立つのですが習得には膨大な時間がかかります。そもそも統計って難しい数式のオンパレード、敷居が高いです。でも図解から入れば意外とフレンドリーなのです。本セミナーではこれから実験計画を学ぼうとしている方を対象にしていますので、標準偏差とは何か、統計的有意差とは何か、等の基礎的なところから始めていきます。一方、実験計画と銘打っていますので、思い切って二元配置実験まで網羅することにしました。二元配置実験まで分かれば、直交配列表や重回帰分析などの理解もしやすくなるからです。
　計算はソフトウェアが行ってくれますが、結果を正しく解釈するためには数式をブラックボックスにしてはいけません。とは言っても数理統計家を目指すわけではないので、数式がグラフのどこの部分を数値化しているのかのイメージがつかめれば十分です。図解でわかりやすく解説しますので、ここは苦手意識克服のためにも頑張って理解しましょう。ここまで来れば、難しい数式が心強い助っ人に感じられるでしょう。
　本セミナーに統計の予備知識は必要ありませんが、製品設計や工程設計の知識または経験は必要です。経験は無くても実験や工程をイメージできることは必要です。統計は技術的な論点をグラフ化できれば、理解したのも同然だからです。さあ、実験計画法の不思議と面白さを一緒に勉強していきましょう。
　講師デモも同時進行で行なうためPC持参は必須ではありませんが、参加者ご自身でデータ解析を体験すると理解がより高まると思います。

1. 科学技術者に必須な統計の基礎 (計算をブラックボックスにしないために)
   1. ヒストグラム、正規分布、標準偏差
   2. 統計的な距離を表す規準化 (統計の勉強で最も重要な概念)
   3. 95%信頼区間の本当の意味合い「真の値を95%の確率で含む範囲」と言うけれど
   4. 統計的有意差 – p値とは何もの?
   5. 平均値の信頼区間
   6. 平均値の差の検定 (グループ間の比較:t検定)
   7. 平均値の差の検定 (対応関係がある場合の比較:paired-t検定)
   8. 自習のためのモンテカルロ・シミュレーションのやり方
2. 実験計画法への誘い
   1. 一元配置デザイン (一元配置分散分析)
      • データ構造をミエル化する
      • 要因効果と実験誤差をミエル化する
      • 最適水準の推定と信頼区間
   2. 二元配置デザイン (二元配置分散分析)
      • データ構造をミエル化する
      • 要因効果と実験誤差をミエル化する
      • 最適水準の推定と信頼区間
      • 交互作用と交絡 (似て非なるもの)
      • 繰り返しのない二元配置デザインとは
      • paired – t検定は実は二元配置デザインだった
   3. 制御因子が多数の場合 (直交配列表の紹介)
   4. 計算よりも大切なのは実験のランダマイズ
   5. 統計と固有技術
• 質疑応答