Direct to Dean

Design and Analysis of Experiments in Agricultural and Food Engineering

การออกแบบและวิเคราะห์การทดลองในงานด้านวิศวกรรมเกษตรและอาหาร

4(4-0-12)

วิชาบังคับก่อน : ไม่มี

การออกแบบการทดลอง การทดสอบสมติฐาน การวิเคราะห์ความแปรปรวน การถดถอยเชิงเส้น การถดถอยเชิงพหุ การทดลองแฟคทอเรียล การวิเคราะห์ตัวแปรผิวสะท้อน การวิเคราะห์ข้อมูลหลายตัวแปรด้วยเทคนิค การวิเคราะห์ด้วยองค์ประกอบหลัก การวิเคราะห์ปัจจัย การวิเคราะห์ด้วยการจำแนกประเภทการวิเคราะห์ด้วยโครงข่ายประสาทเทียม การใช้โปรแกรมทางสถิติเพื่อการวิเคราะห์ข้อมูล

เค้าโครงรายวิชา

  1. การออกแบบการทดลอง (4 ชม.)
  2. การทดสอบสมมติฐาน (4 ชม.)
  3. การวิเคราะห์ความแปรปรวน (4 ชม.)
  4. การถดถอยเชิงเส้น (4 ชม.)
  5. การถดถอยเชิงพหุ (4 ชม.)
  6. การทดลองแฟคทอเรียล (4 ชม.)
  7. การวิเคราะห์ตัวแปรผิวสะท้อน (4 ชม.)
  8. การวิเคราะห์ด้วยองค์ประกอบหลัก (4 ชม.)
  9. การวิเคราะห์ปัจจัย (4 ชม.)
  10. การวิเคราะห์ด้วยการจำแนกประเภท (4 ชม.)
  11. การวิเคราะห์ด้วยโครงข่ายประสาทเทียม (4 ชม.)
  12. การสัมมนารายวิชา (4 ชม.)

ผลสัมฤทธิ์การเรียนรู้

  1. ออกแบบการทดลองได้
  2. วิเคราะห์ความแปรปรวนของข้อมูลที่ให้มาได้
  3. สร้างสมการถดถอยเชิงเส้น และเชิงพหุได้
  4. ออกแบบการทดลองแบบแฟคทอเรียลพร้อมทั้งวิเคราะห์ผลการทดสอบได้
  5. เลือกใช้เทคนิคการวิเคราะห์ข้อมูลหลายตัวแปรได้อย่างเหมาะสม
  6. ใช้โปรแกรมทางสถิติเพื่อการวิเคราะห์ข้อมูลได้

 

Design and Analysis of Experiments in Agricultural and Food Engineering

Prerequisite : None

Experimental Design; Hypothesis Testing; Analysis of Variance (ANOVA); Linear Regression; Multiple Regression; Factorial Experiments; Response Surface Analysis; Multivariate Data Analysis Techniques, Principal Component Analysis (PCA), Factor Analysis Discriminant Analysis, Neural Network Analysis; Statistical Software Applications for Data Analysis.

Course Outline

  1. Experimental Design. (4 hr.)
  2. Hypothesis Testing. (4 hr.)
  3. Analysis of Variance (ANOVA). (4 hr.)
  4. Linear Regression. (4 hr.)
  5. Multiple Regression. (4 hr.)
  6. Factorial Experiments. (4 hr.)
  7. Response Surface Analysis. (4 hr.)
  8. Principal Component Analysis (PCA). (4 hr.)
  9. Factor Analysis. (4 hr.)
  10. Discriminant Analysis. (4 hr.)
  11. Neural Network Analysis. (4 hr.)
  12. Course Seminar. (4 hr.)

Learning Outcomes

  1. Design experiments effectively.
  2. Perform analysis of variance (ANOVA) on the given data.
  3. Construct linear and multiple regression equations.
  4. Design factorial experiments and analyze test results.
  5. Select appropriate multivariate data analysis techniques.
  6. Use statistical software for data analysis.