실험 설계 (Experimental Design)

무엇을 해주나

데이터를 모으기 전 단계, 즉 실험 구조를 정하는 일을 도와줍니다.

• 질문과 실험 단위에 맞는 설계 선택: 완전확률화, 랜덤화 블록, 교차설계(크로스오버), 반복측정, 분할구(split-plot), 라틴방격, 군집(cluster) 무작위화
• 다인자 실험: 완전요인(2^k), 부분요인, Plackett-Burman 스크리닝, 반응표면(중심합성·Box-Behnken), 라틴 하이퍼큐브
• randomization.py로 시드가 고정된 배정표(단순/블록/층화블록/군집) 생성 → CSV 저장
• doe_designs.py로 실제 단위(온도 °C, 농도 mM 등)의 DOE 행렬 생성, 실행 순서 자동 무작위화
• 의사반복(pseudoreplication), 배치 효과, 플레이트 가장자리 효과, 별칭(aliasing) 무시 등 "분석으로는 절대 고칠 수 없는" 8가지 치명적 실수 체크리스트

표본 크기·검정력 계산은 statistical-power, 수집된 데이터 분석은 statistical-analysis 스킬로 넘기도록 역할이 분리되어 있습니다.

이런 분께 추천

• 임상·전임상 시험, 생물학 실험, 오믹스 실험을 계획하는 연구자
• 공정 조건을 최적화해야 하는 R&D·품질 엔지니어(DOE 활용)
• A/B 테스트나 현장 실험을 군집 단위로 설계해야 하는 데이터 과학자
• 대학원 수업·논문 심사에서 실험 설계 타당성을 점검해야 하는 분

활용 예시

1. "쥐 60마리를 약물군과 대조군에 배정해 줘. 케이지도 고려해서" → 층화 블록 무작위화 배정표(시드 42) 생성 후 allocation_schedule.csv 저장, 케이지를 블록으로 잡을지 조언.
2. "7개 공정 변수 중 중요한 것만 빠르게 골라내고 싶다" → Plackett-Burman 스크리닝 설계를 실제 단위로 만들어 주고, 주효과와 교호작용의 별칭 구조를 설명.
3. "96웰 플레이트에 시료를 어떻게 배치할까?" → 가장자리 효과와 배치 효과를 피하는 무작위/블록 배치안과 실행 순서 무작위화 방법 제안.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/experimental-design 폴더를 내 ~/.claude/skills/experimental-design/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.