以下に示す例は、ワインの試飲に関する実験です。あるワイン製造業者が、ピノ・ノワール種である2品種のブドウを栽培し、異なる方法で処理しています。実験の目的は、どのような因子がワインの味に影響しているかを特定することです。ブドウの処理に関して実験を計画します。ブドウの処理後、サンプルを12ヵ月間寝かし、ろ過してからボトルに詰めます。この時点で、専門家がワインのサンプルを試飲し、品質を評価します。
ブドウ園のワインの大部分は、5軒の大規模な販売会社に卸されます。評価は、各販売会社から専門のワインテイスターを招いて行うことにしました。調査できる因子数を最大にするため、各テイスターに8つの異なる試飲サンプルを評価してもらいます。つまり、この実験には40個の試飲サンプル(つまり、40回の実験回数)が必要です。
ワインに対する評価は、0を最低、20を最高とする0~20の段階で行います。テイスターによる「評価」が、この実験における応答です。この実験の目的は、この応答を最大化するような因子を特定することです。
その因子自体は分析対象として興味がないが、応答には影響を与えている因子があるときに、その因子はブロック因子として扱われます。特に、ある水準内での観測値が、それ以外の水準での観測値よりも、互いに似通っている場合に、ブロック因子は使われます。この実験では、1人の専門家による評価は同じような特徴を持ち、他の専門家による評価とは異なると予測されます。一方で、分析者が興味をもっているのは、特定の1人の専門家からではなく、5人全員の専門家から高評価を受けるワインはどのようなものかということです。
この例では、専門家の効果を「判定者」というブロック因子とします。専門家ごとに8つのワインを試飲するので、1ブロックあたり8回の実験を含みます。なお、ここでの分析では、5人の専門家だけに限った推論を行います。5人以外も含む専門家全体の母集団についての推論は行いません。
実験調査に備え、工程に関する因子を9つ特定しました。ブドウの品種、ブドウを栽培する畑、および工程に関連するその他の7つの因子です。これらの因子は、どのように組み合わせても実験が可能です。また、因子を自由に変更できます。実験に関して、これらの因子は変更が「容易」です。因子の変更の指定については、変更とランダムブロックを参照してください。
因子とその水準を表4.1に示します。因子はすべてカテゴリカルです。「Sample Data」の「Design Experiment」フォルダにある「Wine Factors.jmp」にも、因子と水準が含まれています。
因子の可能な組み合わせをすべて実験するには、4 x 28 = 1024回もの実験が必要となります。しかしこの例では、それに匹敵する計画がたった40回の実験で作成できます。
因子 |
水準 |
---|---|
品種 |
Bernard, Dijon |
畑 |
1, 2, 3, 4 |
除梗 |
No, Yes |
酵母 |
Cultured, Wild |
温度 |
High, Low |
搾汁 |
Hard, Soft |
樽齢 |
New, 2 Years |
樽の乾燥 |
Air, Kiln |
ろ過 |
No, Yes |