.
Matemātiskā statistika II
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:6.00
Kursa apraksta apstiprināšanas datums:12.08.2022 11:06:49
| Par studiju kursu | |||||||||
| Kursa kods: | SL_009 | LKI līmenis: | 6. 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) | 0 | Lekciju ilgums (akadēmiskās stundas) | 0 | Kopā lekciju kontaktstundas | 0 | ||||
| Nodarbības (skaits) | 8 | Nodarbību ilgums (akadēmiskās stundas) | 4 | Kopā nodarbību kontaktstundas | 32 | ||||
| Kopā kontaktstundas | 32 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Sekmīgi apgūts studiju kurss Matemātiskā statistika I. | ||||||||
| Mērķis: | Papildināt zināšanas un praktiskās iemaņas par pētījumu datu analīzes pamatmetodēm IBM SPSS, nostiprināt tās, izmantojot EpiIinfo u.c. programmas. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads. Asociācijas rādītāju aprēķins kvalitatīviem mainīgiem (2 x 2 šķērstabulām). Efekta lieluma aprēķināšana šķērstabulām. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Incidence, mirstība, prevelence. Standartizācija. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Korelācija. Vienfaktora lineārās regresijas analīze. | Nodarbības | 1.00 | datorklase | |||||
| 4 | EpiInfo programma. | Nodarbības | 2.00 | datorklase | |||||
| 5 | Citas statistikas programmas, kalkulatori. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Kursa kopsavilkums. Patstāvīgs darbs ar datni. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Patstāvīgā darba prezentācija. | Nodarbības | 1.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Individuālais darbs ar literatūru, EpiInfo programmā – sagatavošanās nodarbībai, neskaidro terminu noskaidrošana, mājas uzdevumu izpilde. | ||||||||
| Vērtēšanas kritēriji: | Aktīva līdzdalība praktiskajās nodarbībās. Patstāvīgais darbs par datu apstrādi aprakstošās statistikas un hipotēžu pārbaudes padziļinātā līmenī, kurā nepieciešams veikt aprēķinus un interpretēt rezultātus. Par katru kavēto nodarbību – tēmas kopsavilkums izmantojot norādīto literatūru (min. viena A4 lapa). Studiju kursa noslēgumā rakstisks eksāmens: datorizēts tests (30 jautājumi) par raksturīgo vārdu kopām un lēmumu pieņemšanu datu apstrādē – 50%, praktiska uzdevuma atrisināšana – 30%, individuālais praktiskais uzdevums - 20%. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Veiksmīgas studiju kursa apguves rezultātā studenti zinās: * par statistikas aprēķiniem dažādās datorprogrammās; * par korelācijas un regresijas analīzi. | ||||||||
| Prasmes: | Veiksmīgas studiju kursa apguves rezultātā studenti pratīs: * veikt hipotēžu pārbaudes, vienas un vairāk izlašu gadījumos; * intepretēt kvantitatīvo mainīgo korelāciju; * aprēķināt aprakstošās statistikas rādītījus, konstruēt diagrammas un veikt hipotēžu pārbaudi līmenī MS Excel, SPSS, EpiInfo programmās, kā arī lietojot interneta statistikas kalkulatorus; * intepretēt datu apstrādes rezultātus, atbilstoši specialitātei. | ||||||||
| Kompetences: | Veiksmīgas studiju kursa apguves rezultātā, studenti spēs praktiski izmantot datorprogrammas un kalkulatorus studiju procesā un profesionālajā sfērā datu apstrādes jautājumu risināšanā. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Teibe U. Bioloģiskā statistika, LU, 2007. SL_009 | ||||||||
| 2 | Field A. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018. | ||||||||
| 3 | Petrie A. & Sabin C. Medical Statistics at a Glance. 2020 | ||||||||
