Náhodné přiřazení nebo náhodné umístění je experimentální technika přiřazování subjektů k různým léčebným postupům (nebo žádné léčbě). Myšlenka náhodného přiřazení spočívá v tom, že náhodným přiřazením léčby pak budou atributy skupiny pro různé léčebné postupy zhruba rovnocenné, a proto jakýkoli účinek pozorovaný mezi léčebnými skupinami může být spojen s léčebným účinkem a není charakteristikou jedinců ve skupině.
V experimentálním designu pomáhá náhodné přiřazení účastníků experimentů nebo experimentálních a kontrolních skupin zajistit, aby případné rozdíly mezi skupinami a v jejich rámci nebyly na počátku experimentu systematické. Náhodné přiřazení nezaručuje, že skupiny jsou „shodné“ nebo rovnocenné, pouze to, že případné rozdíly jsou dány náhodou.
Náhodné přiřazení usnadňuje porovnávání v experimentech vytvořením podobných skupin. Příklad porovnává „Apple to Apple“ a „Orange to Orange“.
Vezměme si experiment s léčebnou skupinou a jednou kontrolní skupinou. Předpokládejme, že experimentátor naverboval pro experiment populaci 50 lidí – 25 s modrýma očima a 25 s hnědýma očima. Pokud by experimentátor přiřadil všechny modrooké lidi do léčebné skupiny a hnědooké lidi do kontrolní skupiny, výsledky mohou být zkreslené. Při analýze výsledků lze pochybovat, zda pozorovaný účinek byl způsoben aplikací experimentálního stavu, nebo byl ve skutečnosti způsoben barvou očí.
Při náhodném přiřazení by člověk náhodně přiřadil jedince buď k léčbě, nebo ke kontrole, a proto by měl větší šanci zjistit, zda je pozorovaná změna způsobena náhodou nebo experimentální léčbou.
Je-li náhodně přiřazená skupina porovnána se střední hodnotou, může být zjištěno, že se statisticky liší, i když byly přiřazeny ze stejné skupiny. Vyjádřit tuto stejnou myšlenku statisticky – Je-li aplikován test statistické významnosti na náhodně přiřazené skupiny, aby se otestoval rozdíl mezi výběrovými průměry proti nulové hypotéze, že se rovnají stejnému populačnímu průměru (tj. populační průměr rozdílů = 0), vzhledem k rozdělení pravděpodobnosti bude nulová hypotéza někdy „odmítnuta“, tedy považována za nepravděpodobnou. To znamená, že skupiny budou dostatečně odlišné na testované proměnné, aby se statisticky dospělo k závěru, že nepocházejí ze stejné populace, i když procedurálně byly přiřazeny ze stejné celkové skupiny. Ve výše uvedeném příkladu může použití náhodného přiřazení vytvořit přiřazení ke skupinám, které mají 20 modrookých lidí a 5 hnědookých lidí v jedné skupině. To je vzácná událost při náhodném přiřazení, ale může se to stát, a když se to stane, může to přidat určité pochybnosti příčinnému činiteli v experimentální hypotéze.
Protože většina základních statistických testů vyžaduje hypotézu nezávislého náhodně vybraného souboru, je náhodné přiřazení žádoucí metodou přiřazení, protože poskytuje kontrolu všech atributů členů vzorků – na rozdíl od porovnávání pouze u jedné nebo více proměnných – a poskytuje matematický základ pro odhad pravděpodobnosti skupinové ekvivalence pro charakteristiky, které člověka zajímají, a to jak pro kontroly ekvivalence před zpracováním, tak pro vyhodnocení výsledků po zpracování pomocí inferentiální statistiky. Pokročilejší statistické modelování může být použito pro přizpůsobení odvození metodě vzorkování.
Randomizace byla zdůrazněna v teorii statistické inference Charlese S. Peirceho v „Ilustracích logiky vědy“ (1877-1878) a „Teorii pravděpodobné pravděpodobnosti“ (1883). Peirce aplikoval randomizaci v Peirce-Jastrowově experimentu na vnímání hmotnosti.
Charles S. Peirce náhodně přiřazoval dobrovolníky k zaslepenému návrhu s opakovanými měřeními, aby vyhodnotil jejich schopnost rozlišovat váhy.
Peirceho experiment inspiroval další výzkumníky v psychologii a vzdělávání, kteří v osmnáctém století rozvinuli výzkumnou tradici randomizovaných experimentů v laboratořích a specializovaných učebnicích.
Jerzy Neyman obhajoval randomizaci v průzkumu vzorkování (1934) a v experimentech (1923). Ronald A. Fisher obhajoval randomizaci ve své knize o experimentálním designu (1935).
Průměr (Aritmetika, Geometrie) – Medián – Režim – Výkon – Odchylka – Směrodatná odchylka
Testování hypotéz – Význam – Nullova hypotéza/Alternativní hypotéza – Chyba – Z-test – Studentův t-test – Maximální pravděpodobnost – Standardní skóre/Z skóre – P-hodnota – Analýza rozptylu
Funkce přežití – Kaplan-Meier – Logrank test – Četnost selhání – Proporcionální modely nebezpečnosti
Normal (zvonová křivka) – Poisson – Bernoulli
Matoucí veličina – Pearsonův korelační koeficient produktového momentu – Rank korelace (Spearmanův korelační koeficient hodnosti, Kendall tau korelační koeficient hodnosti)
Lineární regrese – Nelineární regrese – Logistická regrese