Statistics for food scientists : making sense of the numbers

رویکرد عملی ارائه شده در این کتاب به افزایش کیفیت در بسیاری از محصولات موفق از طریق ارائه درک بهتر از نیازهای مصرف کننده، عملکرد فعلی محصول و فرآیند و وضعیت مطلوب آینده منجر شده است. در سال 2009، فرانک روسی و ویکتور میرتچف تفکر آماری عملی خود را به جلو آوردند و دوره "آمار برای دانشمندان علوم غذایی" را ایجاد کردند. هدف این دوره کمک به توسعه دهندگان محصول و فرآیند بود تا احتمال موفقیت پروژه خود را از طریق گنجاندن تفکر آماری عملی در چالش های خود افزایش دهند. این دوره از آن زمان رشد کرده و اساس این کتاب شده است.

• توضیحات مفصلی از مفاهیم آماری و ابزارهای آماری رایج مورد استفاده برای تجزیه و تحلیل بهتر داده ها و تفسیر نتایج را ارائه می دهد
• نشان می دهد مثال‌های کامل و مشکلات عملی خاص از آنچه دانشمندان علوم غذایی در کار خود با آن روبرو هستند و چگونه ابزارهای آمار می‌توانند به آنها در تصمیم‌گیری آگاهانه‌تر کمک کنند
• اطلاعاتی را ارائه می‌دهد تا نشان دهد چگونه ابزارهای آماری برای بهبود نتایج تحقیقات به کار می‌روند، بهبود می‌بخشند. کیفیت محصول و ارتقای توسعه کلی محصول

The practical approached championed in this book have led to increasing the quality on many successful products through providing a better understanding of consumer needs, current product and process performance and a desired future state. In 2009, Frank Rossi and Viktor Mirtchev brought their practical statistical thinking forward and created the course “Statistics for Food Scientists”. The intent of the course was to help product and process developers increase the probability of their project’s success through the incorporation of practical statistical thinking in their challenges. The course has since grown and has become the basis of this book.

• Presents detailed descriptions of statistical concepts and commonly used statistical tools to better analyze data and interpret results
• Demonstrates thorough examples and specific practical problems of what food scientists face in their work and how the tools of statistics can help them to make more informed decisions
• Provides information to show how statistical tools are applied to improve research results, enhance product quality, and promote overall product development