.
Matemātiskā statistika I
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:6.00
Kursa apraksta apstiprināšanas datums:12.08.2022 11:12:49
| Par studiju kursu | |||||||||
| Kursa kods: | SL_011 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Sabiedrības veselība | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Vinita Cauce | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Kapseļu iela 23, 2.stāvs, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 4 | Lekciju ilgums (akadēmiskās stundas) | 1 | Kopā lekciju kontaktstundas | 4 | ||||
| Nodarbības (skaits) | 5 | Nodarbību ilgums (akadēmiskās stundas) | 4 | Kopā nodarbību kontaktstundas | 20 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Informātika un matemātika vidusskolas kursa apjomā. | ||||||||
| Mērķis: | Nostiprināt vai iegūt pamatzināšanas un prasmes statistiskajās datu apstrādes metodēs, kas nepieciešamas studiju kursa Matemātiskā statistika II apgūšanā, statistiskos rādītāju interpretācijā sabiedrības veselības specialitātē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads SPSS programmā. Aritmētiskās darbības un funkcijas. Datu filtri. Datu transformācijas. Datu bāzes izveide un noformēšana. Datu tīrīšana: iztrūkstošās vērtības un izlēcēji. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 2 | Aprakstošā statistika: Datu veidi un to mērījumu skalas. Biežumu sadalījumi. Centrālās tendences rādītāji. Variācijas rādītāji. Sadalījuma formas rādītāji. Tabulu un diagrammu veidošana, to atbilstoša noformēšana. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 3 | Varbūtības jēdziens, teorētiskie sadalījumi. Ticamības intervāls. Statistiskās hipotēzes, to veidi. Parametriskās hipotēžu pierādīšanas metodes (t-tests, dispersiju analīze). | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 4 | Neparametriskās hipotēžu pierādīšanas metodes (Manna-Vitnija, Vilkoksona, Kruskola-Volisa, Frīdmana tests). | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 5 | Neparametriskās hipotēžu pierādīšanas metodes kvalitatīvim mainīgiem: 2 x 2, R x C šķērstabulas (hī kvadrāts χ2, Fišera tests). | Nodarbības | 1.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Individuālais darbs ar literatūru – sagatavošanās nodarbībai, neskaidro terminu noskaidrošana, mājas uzdevumu izpilde. | ||||||||
| Vērtēšanas kritēriji: | Aktīva līdzdalība praktiskajās nodarbībās; Apgūto statistisko terminu un metožu praktiskā pielietojuma pārbaudes; Uzdoto mājas darbu pārbaudes; Studiju kursa beigās eksāmens, kurš sastāv no rakstiskās daļas (testa ar 30 jautājumiem)-50% un praktiska uzdevuma datu apstrādē- 50%. Rakstiskajā eksāmena daļā tiek pārbaudītas statistiskās terminoloģijas un metožu zināšanas un to praktiskais pielietojums. Par katru kavēto nodarbību – tēmas kopsavilkums, izmantojot norādīto literatūru (min. viena A4 lapa). | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Veiksmīgas studiju kursa apguves rezultātā studenti: * Atpazīs statistisko terminoloģiju un izmantotās pamatmetodes dažāda veida publikācijās; * Pārzinās Ms Excel, SPSS datorprogrammu piedāvātas iespējas datu apstrādē, datu vizualizācijā; * Pārzinās kritērijus parametrisko un neparametrisko metožu izmantošanai. | ||||||||
| Prasmes: | Veiksmīgas studiju kursa apguves rezultātā studenti pratīs: * Izveidot un rediģēt datu bāzi MS Excel, SPSS; * Korekti sagatavot datus statistiskai apstrādei; * Izveidot un rediģēt tabulas, diagrammas; * Apstrādāt pētījumu datus, izmantojot datorprogrammas; * Izvēlēties piemērotas datu apstrādes metodes, t.sk., spēj veikt statistisko hipotēžu pārbaudes; * Izmantot piemērotus statistiskās analīzes atspoguļošanas līdzekļus rezultātu aprakstā. | ||||||||
| Kompetences: | Veiksmīgas studiju kursa apguves rezultātā, studenti spēs pareizi interpretēt svarīgākos statistiskos rādītājus sabiedrības veselības specialitātē un praktiski izmantot apgūtās statistiskās pamatmetodes pētījumu datu apstrādē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Teibe U. Bioloģiskā statistika. Rīga: LU 2007 - 156 lpp. (akceptējams izdevums) | ||||||||
| 2 | Field A. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018. | ||||||||
| 3 | Petrie A. & Sabin C. Medical Statistics at a Glance. 2020. | ||||||||
| 4 | Ārvalstu studentiem/For international students: | ||||||||
| 5 | Field A. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018. | ||||||||
| 6 | Petrie A. & Sabin C. Medical Statistics at a Glance. 2020. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Baltiņš M. Lietišķā epidemioloģija. Rīga: Zinātne, 2003. | ||||||||
