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 การวิเคราะห์ด้วยการจำแนกประเภท การวิเคราะห์ด้วยโครงข่ายประสาทเทียม การใช้โปรแกรมทางสถิติเพื่อการวิเคราะห์ข้อมูล การใช้โปรแกรมทางสถิติเพื่อการวิเคราะห์ข้อมูล กรณีศึกษา

เค้าโครงรายวิชา

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

ผลสัมฤทธิ์การเรียนรู้

  1. สามารถออกแบบการทดลองได้
  2. สามารถวิเคราะห์ความแปรปรวนของข้อมูลที่ให้มาได้
  3. สามารถสร้างสมการถดถอยเชิงเส้น และเชิงพหุได้
  4. สามารถออกแบบการทดลองแบบแฟคทอเรียลพร้อมทั้งวิเคราะห์ผลการทดสอบได้
  5. สามารถเลือกใช้เทคนิคการวิเคราะห์ได้
  6. สามารถใช้โปรแกรมทางสถิติเพื่อการวิเคราะห์ข้อมูลได้
  7. สามารถแสดงความคิดเห็นต่อกรณีศึกษาได้อย่างเหมาะสม

 

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; Case studies.

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. (6 hr.)
  7. Response Surface Analysis. (6 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. Able to design experiments effectively.
  2. Able to perform analysis of variance (ANOVA) on the given data.
  3. Able to construct linear and multiple regression equations.
  4. Able to design factorial experiments and analyze test results.
  5. Able to select appropriate multivariate data analysis techniques.
  6. Able to use statistical software for data analysis.
  7. Able to provide appropriate opinions on case studies.