The objectives of this study were to calculate the probability of type I error power of a test and to compare the performance of three test statistics: Z Student’s t and Welch’s t. Including the recommending the appropriate test statistic. Classification of the population according to five distribution. The ratios of mean group 1 per group 2 were three levels. The ratios of variance group 1 per group 2 were three levels. The sample sizes of two populations were nine sizes. The significance levels that to study were 0.01 and 0.05. The data were simulated by using SAS programming with 1000 replicates. Results of the research were Z test statistic could control the probability of type I error and had higher power of a test than other test statistics but this test is necessary to know the variances of the two groups. Therefore it was appropriate to apply the other test statistics i.e. Student’s t or Welch’s t. If the variances of the two groups were equal Student’s t was a more appropriate test statistic than Welch’s t. But if the variances of the two groups were not equal Welch’s t was a more appropriate. When both sample sizes were large and the population variances were equal we could use any tests since there is no difference in the performance.

CO2 emission of rail transportation system plays more important role including the expansion of BTS route that consume the energy and emit CO2 gas more and more. The purpose of this research was to find out amount of CO2 emission from travelling by BTS train and determine specific CO2 emission per product in the form of gCO2e/passenger/km then forecasting on CO2 emission from BTS operations. Research process was initiated from collecting monthly data on ridership distance and electricity for 55 months continuously then regression analysis CUSUM and time series analysis were used for prediction and analysis of CO2 emission. The finding indicated that BTS’s specific CO2 emission was 24.7 gCO2e/passenger/km. Forecasting CO2 Emission from BTS result that Winters Exponential Smoothing Method is most accuracy then Double Exponential Smoothing Method Trend Analysis Method and Decomposition Method respectively. The result of these analysis could be used to calculate carbon footprint from staff travelling by BTS train and promote people to use public transport by government as sustainable transportation concept.

The objectives of this research are to propose an efficient and proper model that fits the cassava and rubber yields data. A generalized estimating equation (GEE) and a linear mixed model (LMM) with spatial correlation following the conditional autoregressive model (CAR) were adopted. The dependent variables are the cassava and rubber yields collected each month in every province of Thailand. The factors considered are rainfall averaged temperatures and regions. The results from GEE and LMM show that the factors influencing on the cassava and rubber yields are rainfall averaged temperature and region. Both GEE and LMM fit the correlated data. The GEE is used to explain the influence of factors on the yields in all provinces while the LMM is used to explain the influence of factors on the yields in each province.

มีวัตถุประสงค์ 1) เพื่อพัฒนาโปรแกรมจาลองค่าพารามิเตอร์สายส่งความถี่สูงโดยใช้ Matlab/Simulink 2) เพื่อหาประสิทธิภาพโปรแกรมจาลองค่าพารามิเตอร์สายส่งความถี่สูงโดยใช้ Matlab/ Simulink และ 3) เพื่อเปรียบเทียบผลการคานวณจากโปรแกรมที่พัฒนาขึ้นกับผลจากการคิดคานวณ ค่าพารามิเตอร์สายส่งความถี่สูงที่นามาพัฒนาเป็นโปรแกรมนั้น แบ่งตามประเภทของสายส่งในอากาศซึ่งขึ้นอยู่กับความถี่และการใช้งาน ได้แก่ สายส่งสัญญาณแบบสองสาย สายส่งสัญญาณแบบระนาบคู่ และสายส่งสัญญาณแบบโคแอกซ์ ส่วนประกอบของโปรแกรม แบ่งเป็น 3 หน้าจอ ได้แก่ หน้าจอหลัก หน้าจอแสดงโปรแกรมหลัก และหน้าจอคานวณค่าพารามิเตอร์ การตรวจสอบหาคุณภาพและประสิทธิภาพของระบบโดยผู้เชี่ยวชาญจานวน 5 ท่านที่มีความเชี่ยวชาญเฉพาะทาง เครื่องมือที่ใช้ในการวิจัย ได้แก่ แบบประเมินการตรวจสอบคุณภาพ แบ่งออกเป็น 2 ส่วน คือ ส่วนที่ 1 การทดสอบโปรแกรม และส่วนที่ 2 การทดสอบระบบ สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ค่าเฉลี่ย ค่าร้อยละ และส่วนเบี่ยงเบนมาตรฐาน ผลการวิจัยพบว่า 1. ผลการพัฒนาโปรแกรมจาลองค่าพารามิเตอร์สายส่งความถี่สูงโดยใช้ Matlab/Simulink มีโครงสร้างของการออกแบบโปรแกรม แบ่งการทางานออกเป็น 3 ส่วนหลัก ๆ ได้แก่ ส่วนการคานวณโปรแกรมสายส่งสัญญาณสองสาย ส่วนการคานวณโปรแกรมสายส่งสัญญาณระนาบคู่ และส่วนการคานวณโปรแกรมสายส่งสัญญาณโคแอกซ์ ซึ่งในการคานวณโปรแกรมแต่ละส่วนมีหลักการทางานของโปรแกรม ซึ่งการคานวณโปรแกรมแต่ละส่วนมีหลักการทางานของโปรแกรม แบ่งออกเป็น กาหนดเงื่อนไขของขอบเขตของสายส่ง คานวณค่าความจุ คานวณค่าความนา คานวณค่าความเหนี่ยวนา คานวณค่าความต้านทาน และคานวณค่าอิมพีแดนซ์ ซึ่งการคานวณทุกส่วนสามารถแสดงผลการคานวณ เลือกการคานวณสายส่งสัญญาณแบบต่าง ๆ ซึ่งโปรแกรมที่คณะผู้วิจัยทาการพัฒนานี้ แบ่งสายส่งสัญญาณตามประเภทการใช้งานและความถี่ จานวน 3 สายส่งสัญญาณ ได้แก่ สายส่งสัญญาณแบบสองสาย สายส่งสัญญาณแบบระนาบคู่ และสายส่งสัญญาณแบบโคแอกซ์ 2. ผลการหาประสิทธิภาพโปรแกรมจาลองค่าพารามิเตอร์สายส่งความถี่สูงโดยใช้ Matlab/ Simulink แบ่งออกเป็น 2 ส่วน พบว่า ส่วนที่ 1 ผลการทดสอบความถูกต้องทางด้านภาษาคาสั่งและความสามารถในการทางาน ส่วนย่อยทั้ง 5 กระบวนการทางาน มีความถูกต้อง ไม่มีข้อผิดพลาดในกระบวนการ ซึ่งกระบวนการทางานแต่ละกระบวนการทางานมีความเชื่อมโยงกันตามที่ได้ออกแบบไว้ โดยภาพรวมการพัฒนาระบบสามารถทางานได้ไม่เกิดข้อผิดพลาด และเมื่อทาการประเมินการยอมรับระบบ พบว่าโปรแกรมที่พัฒนาขึ้นสามารถนาไปใช้เป็นเครื่องมือวิจัยได้ เมื่อพิจารณาเป็นรายด้านพบว่า ด้านการออกแบบ เรื่องมาตรฐานการออกแบบ คุณภาพการออกแบบ และโครงสร้างที่ออกแบบไม่ซับซ้อนเป็นที่ยอมรับ ข จากผู้เชี่ยวชาญ คิดเป็นเปอร์เซ็นต์อยู่ระหว่าง 80% - 83% ด้านกระบวนการทางานเรื่องการเรียงลาดับกระบวนการทางาน การเข้าใจในภาษาที่ใช้ในการทางานเป็นที่ยอมรับจากผู้เชี่ยวชาญ คิดเป็นเปอร์เซ็นต์อยู่ระหว่าง 84% - 80% และด้านหน้าที่การทางานเรื่องวิธีการทางานในแต่ละการทางาน ความสอดคล้องกับความต้องการของผู้ใช้งานเป็นที่ยอมรับจากผู้เชี่ยวชาญ คิดเป็นเปอร์เซ็นต์อยู่ระหว่าง 89% - 79% และส่วนที่ 2 การหาประสิทธิภาพการทางานของโปรแกรมจาลองค่าพารามิเตอร์สายส่งความถี่สูงโดยใช้ Matlab/Simulink ที่พัฒนาขึ้น พบว่า โปรแกรมจาลองที่พัฒนาขึ้นมีประสิทธิภาพการทางานอยู่ในระดับมาก (𝑥̅=4.04𝑆.𝐷.=0.36) 3. ผลการเปรียบเทียบระหว่างผลการคานวณจากโปรแกรมที่พัฒนาขึ้นกับผลจากการคิดคานวณ มีผลการคานวณที่ตรงกัน จึงแสดงให้เห็นว่า โปรแกรมที่พัฒนาขึ้นสามารถนาไปใช้แทนการคานวณด้วยมือได้อย่างมีประสิทธิภาพ

The objectives of this research are to propose a Bayesian model for spatial time series analysis to apply the proposed model to forecast a monthly rubber yield in Southern provinces of Thailand and to compare the performance of the proposed model with the classical Holt-Winters Additive Exponential smoothing. The proposed model is a linear mixed model (LMM) with spatial effects which follow a conditional autoregressive model (CAR). Dummy variables are used for seasonal effects. A Bayesian method is used for parameter estimation. The estimated monthly yields are used for the monthly rubber yield forecasting. The dependent variables are the rubber yield in each month of each province. The data are secondary data at a provincial level. The factors considered are spatial effects heterogeneity effects and seasonal effects. The results show that the factors influencing on the amount of rubber yields are spatial heterogeneity and seasonal effects. The proposed model is proper and forecast accurately. Using the mean absolute error (MAE) the proposed model has a better performance compared to the classical Holt-Winters Additive Exponential smoothing in both model fitting and model validating. The proposed model should be the first consideration for spatial time series forecasting.