Direct to Dean

Advanced Statistics for Manufacturing Engineering

สถิติขั้นสูงสำหรับวิศวกรรมการผลิต

4(4-0-12)

วิชาบังคับก่อน : ไม่มี

ตัวแปรและการแจกแจงแบบช่วงและแบบต่อเนื่อง การทดสอบสมมติฐานสำหรับตัวอย่างชุดเดียวและตัวอย่างสองชุด ความผิดพลาดแบบที่ 1 และแบบที่ 2 การทดสอบ Goodness-of–fit ช่วงความเชื่อมั่นการถดถอยเชิงเส้นอย่างง่ายและสหสัมพันธ์ ตัวแบบการถดถอยเชิงเส้นหลายตัวแปร การวิเคราะห์ส่วนตกค้าง และการถดถอยไม่เชิงเส้น การวิเคราะห์ความแปรปรวนและการออกแบบการทดลองเชิงแฟคทอเรียลแบบ 2

เค้าโครงรายวิชา

  1. ตัวแปรและการแจกแจงแบบช่วงและแบบตัวเนื่อง (4 ชม.)
  2. การทดสอบสมมุติฐานสำหรับตัวอย่างชุดเดียวและตัวอย่างสองชุด (8 ชม.)
  3. ช่วงความเชื่อมั่น (8 ชม.)
  4. การถดถอยเชิงเส้นอย่างง่ายและสหสัมพันธ์ (4 ชม.)
  5. ตัวแบบการถดถอยเชิงเส้นหลายตัวแปร (4 ชม.)
  6. การวิเคราะห์ส่วนตกค้าง (8 ชม.)
  7. ตัวแบบการถดถอยไม่เชิงเส้น (4 ชม.)
  8. การวิเคราะห์ความแปรปรวนและการออกแบบทดลองเชิงแฟคทอเรียลแบบ 2^k (8 ชม.)

ผลสัมฤทธิ์การเรียนรู้

  1. ใช้หลักการทางสถิติในการตัดสินใจเกี่ยวกับข้อมูลอย่างง่ายได้
  2. แสวงหาวิธีการใช้เครื่องมือช่วยวิเคราะห์ทางสถิติได้
  3. เลือกใช้เครื่องมือทางสถิติได้อย่างเหมาะสมกับสถานการณ์ทั้งเชิงวิชาการและวิชาชีพ
  4. ใช้หลักการและเครื่องมือทางสถิติเพื่อแก้ไขปัญหาที่ซับซ้อนได้

 

Advanced Statistics for Manufacturing Engineering

Prerequisite : None

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 hr.)
  2. Hypothesis testing for single sample and two samples. (8 hr.)
  3. Confident interval. (8 hr.)
  4. Simple linear regression and correlation. (4 hr.)
  5. Multiple linear regressions. (4 hr.)
  6. Residual analysis. (8 hr.)
  7. Nonlinear regression model. (4 hr.)
  8. ANOVA and 2^k factorial experimental design. (8 hr.)

Learning Outcomes

  1. Use statistical principles to make decisions about data.
  2. Search for available statistical tool usages for analyzing data.
  3. Present statistical data considering academic and professional situations.
  4. Use statistical principles and tools to solve complex problems.