.
Matemātiskā statistika II
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:4.00
Kursa apraksta apstiprināšanas datums:12.08.2022 11:15:17
| Par studiju kursu | |||||||||
| Kursa kods: | SL_012 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 6.00 | ECTS: | 9.00 | ||||||
| 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) | 12 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 24 | ||||
| Nodarbības (skaits) | 12 | Nodarbību ilgums (akadēmiskās stundas) | 4 | Kopā nodarbību kontaktstundas | 48 | ||||
| Kopā kontaktstundas | 72 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Pētniecības metodoloģija, statistikas pamattēmas, matemātika, prasmes darbā ar datoru. | ||||||||
| Mērķis: | Iegūt padziļinātas zināšanas, iemaņas un prasmes specifiskās matemātiskās statistikas datu apstrādes metodēs studiju nolūkiem; darbam sabiedrības veselības specialitātē; kā arī veicināt statistiskās terminoloģijas apguvi un tās praktisko pielietošanu. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Incidence, Prevelence, Mirstība. Tiešā standartizācijas metode. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 2 | Faktoranalīze. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 3 | Diskriminantanalīze un klasteranalīze. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 1.00 | auditorija | |||||||
| 4 | Daudzfaktoru lineārā regresija. Multikolineritāte. Vispārējais lineārais modelis (kvalitatīvie mainīgie regresijas analīzē). | Lekcijas | 2.00 | datorklase | |||||
| Nodarbības | 2.00 | datorklase | |||||||
| 5 | Loģistiskā regresija. Modeļa novērtējums. | Lekcijas | 2.00 | datorklase | |||||
| Nodarbības | 2.00 | datorklase | |||||||
| 6 | Multinominālā regresija, ordinālā regresija. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 7 | Puasona regresija. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 8 | Dzīvildzes analīze. Kaplana-Meiera metode. Koksa regresija. | Lekcijas | 2.00 | datorklase | |||||
| Nodarbības | 2.00 | datorklase | |||||||
| 9 | Kopsavilkums par statistikas metodēm. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Individuālais darbs ar literatūru – gatavošanās nodarbībai, atbilstoši tematiskajam plānojumam; mājas uzdevumu izpilde. | ||||||||
| Vērtēšanas kritēriji: | Aktīva līdzdalība praktiskajās nodarbībās; Apgūto statistisko terminu un metožu praktiskā pielietojuma pārbaudes; Uzdoto mājas darbu pārbaude. Studiju kursa noslēgumā eksāmens, kurā tiek pārbaudītas statistiskās terminoloģijas un metožu zināšanas un to praktiskais pielietojums: rakstiskās daļa (tests) – 50% praktisks uzdevums datu apstrādē – 50%, 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 metodes dažāda veida publikācijās; Pārzinās IBM SPSS programmas piedāvātās speciālās iespējas datu apstrādē; Iemācīsies izprast dažādu statistikas metožu nozīmi un vietu zinātniskās pētniecības darbā. | ||||||||
| Prasmes: | Veiksmīgas studiju kursa apguves rezultātā studenti pratīs: * Izveidot un rediģēt, un savienot datu bāzes SPSS; * Korekti sagatavot datus statistiskai apstrādei; * Izveidot un rediģēt tabulas, diagrammas; * Izvēlēties atbilstošu regresijas analīzi; * Veikt dzīvildzes analīzi; * Noteikt testu uzticamību un drošumu; * Izskaidrot iegūtos rezultātus; * Izveidot izmantoto metožu un rezultātu aprakstu. | ||||||||
| Kompetences: | Veiksmīgas studiju kursa apguves rezultātā, studenti spēs: Pareizi interpretēt svarīgākos statistiskos rādītājus sabiedrības veselības specialitātē; Plānot konkrēta veselības aprūpes jautājuma izpēti, atbilstošu datu ieguvi un apkopošanu; Analizēt pētīto procesu un prognozēt tā attīstību. | ||||||||
| 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. | ||||||||
