우리가 일반적으로 자주 접하게 되는 실험계획법은 1920년대 R. A. Fisher에 의하여 창시된 기법으로 바람직한 실험의 목적을 달성하기 위해서는, 당면한 문제를 잘 반영하여 주는 적절한 실험 모형의 설정, 이와 관련된 요인과 요인 기법의 선택, 실험의 배치와 실시, 결과 자료의 분석 및 해석이 중요시 되는바 본 교재는 이를 위해 가장 많이 사용되는 분석 방법 중의 하나인 분산 분석의 기본적 개념 및 기법을 중심으로 다양한 실험계획 모형을 전반적으로 고찰하여 보고자 한다.

제1장 일원배치법(one-way ANOVA) 제2장 반복이 없는 이원배치법(two-way ANOVA) 제3장 완전 랜덤화 블록 계획(RCBD) 제4장 반복이 존재하는 이원배치법 제5장 삼요인 계획법(삼원배치법) 제6장 랜덤 효과 I(Random Effects) 제7장 랜덤 효과 Ⅱ(Random Effects) 제8장 혼합 효과(Mixed Effects) 제9장 EMS 규칙 제10장 라틴 방격 모형(Latin Square Design) 제11장 분지 모형(Nested Design) 제12장 불완전 블록 모형(Balanced Incomplete Block Design) 제13장 공분산 분석(Analysis of Covariance)

통계적 실험은 현재 다방면의 분야에서 활발히 이루어지고 있는데, 실험의 결과가 정당성을 갖기 위해서는 기본적으로 주어진 상황에 적합한 실험 모형이 설계되어야 한다. 본 교재에서는 현실적으로 자주 활용되는 기초적인 여러 실험계획 모형을 다루며, 자료의 분석 방법으로 중요시되는 분산 분석의 개념을 체계적으로 소개하고자 한다. 특히 문제 분석 능력을 함양하기 위하여 실제로 SAS를 이용한 결과 해석 유추를 병행하고자 한다. 이는 주어진 실험의 설계와 방법에 대한 분석과 이해를 보다 쉽게 터득할 수 있는 동기 부여의 계기가 되며, 이를 통하여 계획된 실험의 전반적인 기본 원리를 다지고 응용력을 키워 현실 자료에 대한 접근을 용이하게 하는 데 목적이 있다. 따라서 본 교재의 광범위한 이론 및 사례에 대한 체계적인 내용을 바탕으로 독자들이 스스로 통계적 실험을 계획하고 적절한 모형 설정 및 실험을 실시하며 얻은 자료를 올바르게 분석하고 결론을 유도하는 능력을 배양할 수 있기를 바란다.