Framsteg inom teknik och vetenskaplig kunskap beror ofta på vinster i användningen av lämplig design av experiment. Förståelse av detta statistiska koncept gör det möjligt för forskare att tilldela orsak-och-verkan samband och ta bort gissningar och förutfattade meningar från analys av resultat. Affärsmässiga och ekonomiska frågor kräver lika mycket omsorg som vetenskaplig forskning vid design av experiment.
I den vetenskapliga designen av experiment försöker forskaren bevisa det logiska påståendet: Om X, då Y. Motsatsen måste också påvisas för att fastställa ett orsak-och-verkan-samband: Om inte X, då inte Y. Intuitivt förstår vi t.ex. att en växt behöver vatten för att leva, och om växten inte får vatten kommer den att dö. Det finns därför ett orsakssamband mellan växtens behov och vatten.
Forskaren försöker bevisa båda logiska påståendena genom att använda kontrollgrupper. Helst upplever samma forskningspersoner samma experimentella förhållanden samtidigt. När detta inte är möjligt, vilket ofta är fallet i biologiska experiment, matchas en andra grupp av försökspersoner till den första gruppen i så många faktorer som kan påverka resultaten som möjligt. Effektiviteten av en diet, till exempel, kan testas genom att välja en kontrollgrupp som liknar testgruppen i ålder, inkomst, aktivitetsnivå och antal barn. I mer kritiska experiment kommer designen av experiment att inkludera den faktiska matchningen av individuella ämnen; det vill säga försöksperson nummer 1A kommer att ha samma ålder, kön, aktivitetsnivå och startvikt som försöksperson nummer 1B, men kommer att få testdieten, medan 1A inte får det.
Faktoriell design tillåter att mer än en variabel studeras inom samma experiment, men med samma noggrannhet som kontrollgrupper, genom att tillämpa sannolikhetsmatematiken. De genombrott inom genetik som Mendel åstadkom berodde på faktoriella experiment och observationer. I dessa experiment testas två eller flera oberoende faktorer på två eller flera nivåer. Som ett exempel kan försökspersonerna delas upp mellan tre oberoende variabler: vanlig diet, diet A eller diet B. Var och en av dessa undergrupper delas igen, baserat på hur länge kosten tillämpas, antingen tre veckor eller sex veckor.
Statistiska metoder är ganska lätta att tillämpa på utformningen av experiment inom naturvetenskaperna. Inom samhällsvetenskapen, där beteendestudier ingår, är de svårare. Inom ekonomi och företagsekonomi är ämnena människor och företag. Dessa ämnen lämpar sig inte alls för studier.
Marknadsstudier är ofta beroende av fokusgrupper, vars omsorg vid urval är avgörande. Kunskap om korrekt design av experiment är nödvändig för att fastställa urvalskriterierna. Undersökningar, ett vanligt verktyg för produktchefer och politiska grupper, kräver också denna expertis i sin utformning.