สถิติขั้นสูงสำหรับวิศวกรรมการผลิต
4(4-0-12)
เงื่อนไข: โดยความเห็นชอบของสาขาวิชา
ตัวแปรและการแจกแจงแบบช่วงและแบบต่อเนื่อง การทดสอบสมมุติฐานสำหรับตัวอย่างชุดเดียวและตัวอย่างสองชุด ความผิดพลาดแบบที่ 1 และแบบที่ 2 การทดสอบ Goodness-of–fit ช่วงความเชื่อมั่นการถดถอยเชิงเส้นอย่างง่ายและสหสัมพันธ์ ตัวแบบการถดถอยเชิงเส้นหลายตัวแปร การวิเคราะห์ส่วนตกค้าง และการถดถอยไม่เชิงเส้น การวิเคราะห์ความแปรปรวนและการออกแบบการทดลองเชิงแฟคทอเรียลแบบ 2k
เค้าโครงรายวิชา
1. ตัวแปรและการแจกแจงแบบช่วงและแบบตัวเนื่อง (4 ชั่วโมง)
2. การทดสอบสมมุติฐานสำหรับตัวอย่างชุดเดียวและตัวอย่างสองชุด (8 ชั่วโมง)
3. ช่วงความเชื่อมั่น (8 ชั่วโมง)
4. การถดถอยเชิงเส้นอย่างง่ายและสหสัมพันธ์ (4 ชั่วโมง)
5. ตัวแบบการถดถอยเชิงเส้นหลายตัวแปร (4 ชั่วโมง)
6. การวิเคราะห์ส่วนตกค้าง (8 ชั่วโมง)
7. ตัวแบบการถดถอยไม่เชิงเส้น (4 ชั่วโมง)
8. การวิเคราะห์ความแปรปรวนและการออกแบบทดลองเชิงแฟคทอเรียลแบบ2k (8 ชั่วโมง)
ผลสัมฤทธิ์การเรียนรู้
1. ใช้หลักการทางสถิติในการตัดสินใจเกี่ยวกับข้อมูลได้
2. แสวงหาวิธีการใช้เครื่องมือช่วยวิเคราะห์ทางสถิติได้
3. เลือกใช้เครื่องมือทางสถิติได้อย่างเหมาะสมกับสถานการณ์ทั้งเชิงวิชาการและวิชาชีพ
4. ใช้หลักการและเครื่องมือทางสถิติเพื่อแก้ไขปัญหาที่ซับซ้อนได้

Advanced Statistics for Manufacturing Engineering
Condition: Consent of the School
Continuous/discrete variables and distributions; Hypothesis testing for single sample and two samples, type I and type II errors, Goodness-of-fit test, Confident interval; Simple linear regression and correlation; Multiple linear regression, Residual analysis and nonlinear regression model; ANOVA and 2k factorial experimental design
Course Outline
1. Continuous/discrete variables and distribution (4 hours)
2. Hypothesis testing for single sample and two samples (8 hours)
3. Confident interval (8 hours)
4. Simple linear regression and correlation (4 hours)
5. Multiple linear regressions (4 hours)
6. Residual analysis (8 hours)
7. Nonlinear regression model (4 hours)
8. ANOVA and 2k factorial experimental design (8 hours)
Learning Outcomes
1. Apply statistical methods to make a decision on data.
2. Search for available statistical tool usages for analysing data.
3. Present statistical data considering academic and professional situations.
4. Response to assigned tasks.