大多数的原因和结果是复杂的，但是当希望抽象出某些因素的影响时，为了排除噪音，就需要进行实验设计。
比如医学想知道某种药对某种病是否有疗效，光给病人吃药看疗效是不行的。 因为药物有安慰剂作用，当一些人知道自己吃了某种药的时候，心理会产生作用，影响实验结果。
要排除掉噪音，可以给一部分病人添加真药的成分，另一部分病人按照原来的配方。但是，不告诉病人添加了成分。 因为两组病人是不同的，这就是组间实验。
然后，又想知道吃药的时间长短是否会有所影响？可以在一部分病人添加一个月药后，重新拿掉药，另一部分病人继续添加药，过两个月后再比较疗效。
病人都是不知道实验的，生活环境类似，其他药物和饮食一致，排除掉了噪音影响，一旦两组病人的病情有不同，那么几乎可以认定是实验药物的影响。
不同药物和时间的相互影响，就是交互作用，不见得药物吃得时间越长越好，有时候会发现服药时间长会产生抗药性，有时候时间长短没有影响。因此交互作用的图可能是这样的。
形象理解，有交互情况下，就是只服用B药的情况下，两组差别很大，但同时服用A药，两组几乎没什么差别，也许是这两种药同时服用药性相互抵触。
不行，因为存在随机扰动项，所以两组变量的值几乎都是不一样的，因此均值也几乎肯定不同。但如何确定这不同是因为所研究的因素的影响，还是随机扰动项的影响，就需要方差分析，看两组的差异是否显著。比如5和5.5的差别，与100和100.5的差别，是不同的。因此我们只能在某个显著性下接受假设或拒绝假设，无法保证100%准确。
