3. 随机化的统计学原理
在化工试验中，我们常把“随机化”理解成一种操作纪律：用随机数决定试验顺序。但从统计学角度看，随机化真正的作用是把系统中不可控的变异，转化为可以建模、可以估计的独立随机误差。理解这一点，才能明白为什么随机化不是可有可无的形式，而是假设检验有效性的前提。
一、不可控变异从哪里来
以一个典型反应收率试验为例：考察温度（A）和催化剂用量（B）两个因子，各取高低两水平，共 4 个处理组合。若按“先做完 A 低 B 低、A 低 B 高，再做 A 高 B 低、A 高 B 高”的顺序依次试验，那么时间就是一个隐藏变量。反应釜从早上到下午，夹套水温、环境温度、催化剂存放时间、操作人员疲劳程度都在缓慢漂移。此时“后做的处理”天然带上了时间漂移的印记，因子效应与时间效应混杂在一起，无法分离。
这类变异的特点是：来源多、单个影响小、方向不确定、难以逐一测量。随机化的处理办法不是去消除它们，而是让它们以等概率的方式分配到各个处理组合上。于是，时间漂移对 A 高组和 A 低组的影响在期望上相互抵消，剩余的部分表现为围绕处理均值的随机波动。
二、随机化如何“制造”独立随机误差
设某处理组合的第 i 次观测为：
y_i = μ + τ + ε_i
μ ：总均值
τ ：该处理组合的固定效应
ε_i：随机误差，随机化后近似独立同分布，E(ε_i)=0，Var(ε_i)=σ²随机化保证了两件事：其一，独立性——每次试验的误差不再因顺序相邻而相关；其二，同分布——各处理组合承受的“背景噪声”在概率意义上是同一水平。有了这两条，方差分析中的 F 检验才有意义：处理均方与误差均方之比，才服从预期的 F 分布。若顺序被人为安排，ε_i 之间产生相关性，误差均方被低估或高估，F 值失真，p 值便不可信。
三、随机化、区组化与盲法的分工
三者常被并列提及，但角色不同，配合使用效果最佳。
- 随机化：对抗未知的、无法测量的变异，是推断有效性的底线。
- 区组化：对抗已知的、可测量的变异（如批次、班次、反应釜、原料批号）。把同一区组内的试验放在一起，让区组效应从误差中剥离出去，相当于“先扣掉一部分噪声，再随机化剩余部分”。
- 盲法：对抗人为的偏差，如操作者知道处理水平后不自觉调整加料速度、判读终点时偏向预期。化工试验中常见做法是样品编号匿名、分析人员不知编号对应哪个处理。
正确的关系是：先按已知变异划分区组，再在区组内随机化试验顺序，必要时对样品与分析环节设盲。区组化缩小误差，随机化保证误差独立，盲法防止误差被人为污染。三者叠加，误差项才既小又“干净”。
四、一个化工案例：随机化如何改变结论
仍以 2² 试验为例，考察温度 A（80/100 ℃）与催化剂用量 B（1.0/1.5 %），响应为收率。假设真实情况是：温度效应约 +4 %，催化剂效应约 +2 %，而反应釜随运行时间存在约每小时 +1.5 % 的缓慢漂移（例如夹套结垢导致传热变化，此为教学假设）。
做法一（顺序试验）：按 A低B低 → A低B高 → A高B低 → A高B高 依次做，每 2 h 一个。时间漂移被完全叠加到“后做的处理”上，A 高组恰好都在后段，于是温度效应被高估为 4 % + 3 % ≈ 7 %，而催化剂效应因前后交错被部分抵消。分析者可能得出“温度极显著、催化剂不显著”的结论，但其中一部分“温度效应”其实是时间漂移。
做法二（随机化）：用随机数表或软件生成 4 个处理的随机顺序，例如 A高B低 → A低B低 → A高B高 → A低B高。此时时间漂移被分散到各处理组合，期望贡献为零，剩余波动进入误差项。若每个处理重复 2 次，共 8 次试验，误差自由度由 3 提高到 4 以上，F 检验对温度、催化剂效应的判断更接近真实。
两种做法的差别不在数据本身，而在误差项是否“干净”。顺序试验把系统偏差塞进了效应估计，随机化则把它赶进了误差项，让效应估计回归无偏。
五、实操要点与常见误区
- 随机化要在试验前完成：用随机数生成器一次性排出全部试验单元的顺序，并记录在试验计划表中，不能“边做边随机”，否则容易受主观影响。
- 随机化的对象是“试验单元”：一次装料、一个反应釜批次、一个分析样品，而不是因子水平本身。
- 区组内随机，区组间不随机：同一批次原料内的试验随机排序，不同批次之间按区组安排，避免把批次差异误当处理效应。
- 随机化不能替代重复：随机化保证误差独立，重复提供误差估计的自由度，两者缺一不可。
- 误区：认为“随机化会让试验更乱、更难操作”。实际上随机化只改变顺序，不改变工艺参数；若操作上确有困难（如需连续高温），应通过区组化或分层随机来处理，而不是放弃随机。
归根结底，随机化是一种“用概率换有效性”的设计思想：它不承诺每次试验都更准，但承诺在重复与推断的意义上，结论不会被看不见的系统偏差悄悄带偏。这正是它在 DOE 中不可替代的统计学价值。