实验设计与重复测量
实验设计（design of experiments）是在观察结果之前，规定处理、对照、实验单位、分配方式和分析方法，使处理效果尽可能与时间、批次、个体差异分开。重复测量是对同一实验单位在不同时间或条件下多次观察；这些读数彼此相关，不能当作同样数量的独立个体。
同一批次内比较两种处理
设要比较催化剂 A 与 B 的产率。每天反应炉温度可能略有不同，于是把一天称为一个区组：当天准备两份可比原料，随机决定哪一份用 A、哪一份用 B；下一天重新随机。假设三天得到如下示例数据，单位是百分数点：
| 批次 | A | B | 同批次差值 B−A |
|---|---|---|---|
| 1 | 78 | 80 | 2 |
| 2 | 81 | 85 | 4 |
| 3 | 79 | 82 | 3 |
把每一天的差值记为 ，得到 ，平均提升 个百分点。用一个简单模型说明配对的作用：若 、，其中 是当天共同的温度等批次影响， 是希望估计的 B 相对 A 的平均效果，则相减后 共同的批次项消失了。图中的每条线连接同一天的 A、B，竖向高低可以随批次变化；用于估计处理效果的是每条线的上升量，而不是把六个点当作六次互不相关的试验。
三天之间若可视作独立重复，差值的样本方差是 ，平均差的标准误为 个百分点。这只演示算法；三次重复不足以可靠地检验分布、外推到所有炉况。若三天其实共享同一批原料或受相同故障影响，独立性假设仍会失效。
实验单位、重复与随机化
实验单位是能够被独立分配处理的最小对象。若把一种催化剂一次加入整炉，随后从同一炉取十个样品检测，这十个读数只能改进这一次炉次的测量精度，不能冒充十次独立的催化剂试验。真正的重复应有独立分配处理的炉次，并覆盖计划推广到的时间或原料变化。
随机分配的作用是使已知和未知的干扰因素不系统地落到某一处理。区组内随机化还要求不能总是先做 A 后做 B，否则升温或设备老化仍与处理混在一起。盲法能减少测量或评判时的主观差异，但并不能替代随机分配。设计时先写出主要结果和比较量，再确定样本量；样本量取决于想辨别的最小有用差异、组内波动、允许的误判风险和期望的检出概率，不可只看“每组至少三次”一类固定口号。
重复测量的相关性
若同一病人治疗前、后各测一次血压，单位是病人，两次读数通常相关。对病人 用差值 可消除其稳定的个体基线，再对不同病人的差值估计平均变化。把前后的读数打乱重配，或把二十名病人的四十次读数当成四十名受试者，会算错不确定性。
配对前后差值也不一定是治疗的因果效果：期间自然恢复、季节变化或测量熟练度都可能造成变化。若目标是干预效果，可随机分配受试者到治疗与对照，再比较两组前后差值；对于多时间点或不同人有不同次数的观测，可建模个体内的相关性和时间趋势。这里仍需检查失访：如果症状恶化者更容易缺席末次测量，完整病例的平均差可能偏高。
设计和报告的边界
完整记录随机化方式、实验单位、批次、重复次数、预先选定的结果、缺失读数及异常处理。报告处理差值、单位和不确定性，不只报告显著性标记。若下一轮只允许少量试验，可先根据已有数据挑选信息不足的因素组合，但这些新点在实际完成并测量前并非既有证据；选择规则和验证批次应留痕。