实验是用来检验假设、回答问题或证明事实的科学程序。两种常见的实验类型是简单实验和对照实验。然后，有简单的控制实验和更复杂的控制实验。

简单实验

虽然“简单实验”这个词被用来指任何简单的实验，但它实际上是一种特殊类型的实验。通常，一个简单的实验会回答一个“如果…？”因果类型的问题。

你想知道如果你用水雾浇灌一棵植物，它是否会长得更好。你能感觉到植物是如何生长的而不被雾气蒙蔽，然后在你开始雾气蒙蔽后将其与生长进行比较。

为什么要做一个简单的实验？简单的实验通常能提供快速的答案。它们可以用来设计更复杂的实验，通常需要更少的资源。有时，简单的实验是唯一可用的实验类型，尤其是在只有一个样本的情况下。

我们一直在做简单的实验。我们会问和回答这样的问题：“这种洗发水会比我用的洗发水更好吗？”，“在这个食谱中用人造黄油代替黄油可以吗？”，“如果我混合这两种颜色，我会得到什么？”

对照实验

对照实验有两组受试者。一组是实验组，它暴露在你的测试中。另一组为对照组，不接触试验。控制实验有几种方法，但最常见的是简单的控制实验。简单对照实验只包括两组：一组暴露于实验条件下，另一组未暴露于实验条件下。

你想知道如果你用水喷雾，植物是否生长得更好。你种了两种植物。一个是用水雾化（实验组），另一个是不用水雾化（对照组）。

为什么要进行受控实验？受控实验被认为是更好的实验，因为其他因素更难影响你的结果，这可能会导致你得出错误的结论。

实验的一部分

实验，无论多么简单或复杂，都有共同的关键因素。

• 假设假设是你对实验中会发生什么的预测。如果将假设表述为“如果-然后”或“因果”陈述，那么分析数据和得出结论就更容易了。例如，一个假设可能是，“用冷咖啡浇灌植物会使它们生长得更快。”或者“吃了曼陀罗后喝可乐会导致你的胃爆炸。”你可以测试这些假设中的任何一个，并收集结论性数据来支持或放弃一个假设。无效假设或无差异假设特别有用，因为它可以用来反驳一个假设。例如，如果你的假设是“用咖啡浇灌植物不会影响植物生长”，但如果你的植物死亡、生长受阻或生长更好，你可以应用统计数据证明你的假设不正确，并暗示咖啡和植物生长之间确实存在关系。
• 实验变量每个实验都有变量。关键变量为自变量和因变量。自变量是您控制或更改以测试其对因变量的影响的变量。因变量取决于自变量。在测试猫是否喜欢一种颜色的猫粮而不喜欢另一种颜色的实验中，你可能会声明无效假设，“食物颜色不影响猫粮的摄入。”猫粮的颜色（例如棕色、霓虹粉、蓝色）将是你的自变量。猫粮的食用量将是因变量。希望你能看到实验设计是如何发挥作用的。如果你每天给10只猫提供一种颜色的猫粮，并测量每只猫吃了多少，你可能会得到不同的结果，而不是你拿出三碗猫粮，让猫选择使用哪一碗，或者你把颜色混合在一起，看看饭后剩下了什么。
• 数据你在实验中收集的数字或观察值就是你的数据。数据只是事实。
• ResultsResults是您对数据的分析。您执行的任何计算都包含在实验室报告的“结果”部分中。
• 结论你决定是接受还是拒绝你的假设。通常，这之后会解释你的理由。有时你可能会注意到实验的其他结果，特别是那些值得进一步研究的结果。例如，如果你正在测试猫粮的颜色，你注意到研究中所有猫的白色区域都变成粉红色，你可能会注意到这一点，并设计一个后续实验来确定食用粉红色猫粮是否会影响皮毛颜色。