ความน่าจะเป็นและสถิติ
4(4-0-8)
วิชาบังคับก่อน: ไม่มี
แนวคิดพื้นฐานเกี่ยวกับความน่าจะเป็น การแจกแจงความน่าจะเป็น การแจกแจงแบบสุ่มที่สำคัญ การประมาณค่า ช่วงแห่งความเชื่อมั่น ค่าความคาดหวัง การทดสอบสมมติฐาน การวิเคราะห์ความแปรปรวน การถดถอย การทดสอบไคสแควร์ สถิติไม่อิงพารามิเตอร์ ค่าสหสัมพันธ์ การทดสอบสมมติฐานสหสมพันธ์และการวิเคราะห์การถดถอยอย่างง่าย
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. มีความรู้ความเข้าใจเกี่ยวกับการจำแนกความน่าจะเป็นของตัวแปรสุ่ม ฟังก์ชันความน่าจะเป็น การแจกแจงความน่าจะเป็นของตัวแปรสุ่มและสามารถนำมาใช้ได้
2. มีทักษะในการคำนวณความน่าจะเป็นของเหตุการณ์และวิธีการสุ่มตัวอย่าง ความน่าจะเป็นของตัวแปรสุ่มได้
3. มีความรู้และความเข้าใจเกี่ยวกับค่าคาดหวังของตัวแปรสุ่ม คุณสมบัติของค่าคาดหวังและสามารถกำหนดค่าคาดหวังได้
4. มีความรู้ความเข้าใจเกี่ยวกับคำจำกัดความของประชากรและกลุ่มตัวอย่าง วิธีการสุ่มตัวอย่างและการแจกแจงสถิติ
5. มีความรู้ความเข้าใจเกี่ยวกับคำจำกัดความของพารามิเตอร์และตัวประมาณ วิธีการประมาณค่าแบบจุดและแบบช่วง การทดสอบสมมติฐานและสามารถนำองค์ความรู้ที่ได้ไปประยุกต์ใช้ในการวิจัยหรืองานได้ในอนาคต
6. มีความรู้และความเข้าใจเกี่ยวกับความสัมพันธ์ การวิเคราะห์การถดถอยอย่างง่ายและสามารนำความรู้ที่ได้ไปประยุกต์ใช้ในการวิจัยหรืองานในอนาคต
Probability and Statistics
Prerequisite: none
Fundamental principles of probability, the significance of probability distributions, pivotal random distributions, statistical estimation, confidence intervals, expected values,
hypothesis testing, variance analysis, regression analysis, chi-square testing, non-parametric statistics, correlation coefficients, as well as the rigorous examination of simple correlation hypothesis testing and regression analysis, collectively comprise the core elements of this study.
Course Learning Outcomes (CLOs)
1. Possess comprehensive knowledge and a deep understanding of the classification of random variables, probability functions, probability distributions of random variables, and their
practical applications.
2. Demonstrate proficiency in the calculation of event probabilities and the application of various sampling methods.
3. Exhibit a strong grasp of the concept of expected value in relation to random variables, encompassing both its fundamental properties and the techniques for its determination.
4. Acquire a solid foundation in the definitions of populations and samples, as well as expertise in sampling methodologies and statistical distributions.
5. Develop a thorough understanding of parameters and estimators, including point and interval estimation methods, hypothesis testing, and the ability to apply this knowledge effectively in future research or professional contexts.
6.Cultivate expertise in the realm of relationships, particularly within the context of simple regression analysis, with the capacity to apply this acquired knowledge proficiently in
research or future professional pursuits.