Refactor introductory content for experimental designs in math

math/experimental_designs/intro.md

@@ -63,10 +63,31 @@ EX.1：A，B 兩台電腦做 10 次實驗，每次計算 27 組觀察值的方
 
 不同批次（branches）的實驗結果往往是不同的。而統計推論則是將可變性（variability）包含在內的情況下，提供一種行動的標準。
 
-## 隨機化處理（Function of randomization）
+## 隨機化處理（Function of Randomization）
 
-實驗的過程中，可能存在一些因素使得數據有偏差，導致無法做出有用的推論。
+在實驗過程中，可能會出現某些因素導致數據產生偏差，使得難以得出可靠的推論。
 
-e.g. 在 EX.1 中，讓同一操作員先後操作 A、B 兩台機器。那麼觀察到的計算速度=$\theta$ 的估計值 + 操作速度的差異（比如操作員的熟練度）。那麼就無法說最終的推論是無偏的。
+例如，在 EX.1 中，讓同一操作員依次操作 A、B 兩台機器。這樣觀察到的計算速度為 $\theta$ 的估計值加上操作速度的差異（如操作員的熟練度）。因此，我們無法保證最終的推論是無偏的。
+
+為了避免在連續實驗中，由於某些持續或未知的外界因素引起的偏差，我們需要採用一定的方法來應對。這正是隨機化處理的目的。
+
+隨機化在一定程度上可以被視為一種保險措施，它預防了可能發生或不會發生的干擾，且這些干擾可能對結果影響重大或微小。因此。即使預期的干擾不會發生，也應該採取隨機化處理，以確保實驗結果的可靠性。
+
+在 EX.1 中，可以有多重隨機化處理的方法，例如：
+1. 在每組批次（Replication）中，隨機選擇 A 或 B 先進行實驗。
+2. 在 10 組批次（Replication）中，隨機選 5 組先進行 A 實驗，5 組先進行 B 實驗。
+
+不同的實驗設計實際上就是不同的隨機化方法。而不同的隨機化方法將會影響推論的結果。
+
+## 術語（Terminology）
+
+- **Factor**：影響實驗結果的因素。
+- **Factor Level**：Factor 的不同取值。
+- **Experimental Unit**：實驗的基本單位，可能與觀察單位不同。例如，在一個對象上進行一次實驗，觀察對象的不同部位。
+- **Treatment**：Factor Level 的組合。
+- **Response Variable**：感興趣的變量。
+- **Effect**：改變 Factor Level 對 Response Variable 的影響。
+- **Main effect**：固定其他因素，改變一個因素對 Response Variable 的影響。
+- **Interaction**：改變多個因素對 Response Variable 的影響。
+- **Factorial experimaent**：對每個 treatment 都進行至少一次實驗。
 
-我們需要一些方法來避免，在連續的實驗中因為一些一直或未知的外界因素導致的偏差。這就是隨機化處理的目的。