.
Biostatistikas pamati
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:11.00
Kursa apraksta apstiprināšanas datums:09.08.2023 11:09:49
| Par studiju kursu | |||||||||
| Kursa kods: | SL_013 | LKI līmenis: | 6. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Rehabilitācija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Ināra Kantāne | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, A korpuss, 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) | 11 | Nodarbību ilgums (akadēmiskās stundas) | 3 | Kopā nodarbību kontaktstundas | 33 | ||||
| Kopā kontaktstundas | 33 | ||||||||
| Nepilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 0 | Lekciju ilgums (akadēmiskās stundas) | 0 | Kopā lekciju kontaktstundas | 0 | ||||
| Nodarbības (skaits) | 9 | Nodarbību ilgums (akadēmiskās stundas) | 3 | Kopā nodarbību kontaktstundas | 27 | ||||
| Kopā kontaktstundas | 27 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. | ||||||||
| Mērķis: | Iegūt pamatzināšanas un prasmes statistiskās datu apstrādes metodēs (aprakstošā statistikā un slēdzienstatistikas metodēs atšķirību novērtēšanai), kas nepieciešamas bakalaura darba izstrādei, zinātniskās literatūras analīzē un pētnieciskā darbā savā specialitātē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā, statistikas loma pētījuma procesā. Datu veidi, mērījumu skalas. Datu sagatavošana Excel. | Nodarbības | 0.50 | datorklase | |||||
| 2 | Iepazīšanās ar datorprogrammu IBM SPSS Statistics. Pamatdarbības ar datiem IBM SPSS Statistics datorprogrammā. | Nodarbības | 0.50 | datorklase | |||||
| 3 | Aprakstošās statistikas rādītāju aprēķināšana Excel un IBM SPSS Statistics, to izmantošana un interpretācija. | Nodarbības | 1.00 | datorklase | |||||
| 4 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība. Atkarīgas un neatkarīgas izlases. Parametriskās un neparametriskās datu apstrādes metodes. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgu un atkarīgu izlašu salīdzināšana (t testi, dispersijas analīze). | Nodarbības | 1.00 | datorklase | |||||
| 7 | Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgu izlašu salīdzināšana (Manna-Vitnija U tests, Kruskola-Volisa tests). Atkarīgu izlašu salīdzināšana (Vilkoksona zīmju tests, Frīdmana tests). | Nodarbības | 1.00 | datorklase | |||||
| 8 | Kvalitatīvo datu apstrāde. Pīrsona hī kvadrāta tests, Fišera ekzaktais tests, Maknemāra tests. | Nodarbības | 1.00 | datorklase | |||||
| 9 | Korelācijas analīze. Uzticamības (noturīguma) analīze. Skalas saskaņotības koeficients (Kronbaha Alfa). | Nodarbības | 1.00 | datorklase | |||||
| 10 | Kopsavilkums, praktiskais darbs ar datiem. Zinātniskās publikācijas analīze. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Patstāvīgais darbs ar datiem. | Nodarbības | 1.00 | datorklase | |||||
| 12 | Noslēguma darba prezentācija. | Nodarbības | 1.00 | datorklase | |||||
| Tēmu saraksts (nepilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā, statistikas loma pētījuma procesā. Datu veidi, mērījumu skalas. Datu sagatavošana Excel. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Iepazīšanās ar datorprogrammu IBM SPSS Statistics. Pamatdarbības ar datiem IBM SPSS Statistics datorprogrammā. | Nodarbības | 0.50 | datorklase | |||||
| 3 | Aprakstošās statistikas rādītāju aprēķināšana Excel un IBM SPSS Statistics, to izmantošana un interpretācija. | Nodarbības | 0.50 | datorklase | |||||
| 4 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība. Atkarīgas un neatkarīgas izlases. Parametriskās un neparametriskās datu apstrādes metodes. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgu un atkarīgu izlašu salīdzināšana (t testi, dispersijas analīze). | Nodarbības | 1.00 | datorklase | |||||
| 7 | Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgu izlašu salīdzināšana (Manna-Vitnija U tests, Kruskola-Volisa tests). Atkarīgu izlašu salīdzināšana (Vilkoksona zīmju tests, Frīdmana tests). | Nodarbības | 1.00 | datorklase | |||||
| 8 | Kvalitatīvo datu apstrāde. Pīrsona hī kvadrāta tests, Fišera ekzaktais tests, Maknemāra tests. | Nodarbības | 1.00 | datorklase | |||||
| 9 | Korelācijas analīze. Uzticamības (noturīguma) analīze. Skalas saskaņotības koeficients (Kronbaha Alfa). | Nodarbības | 0.50 | datorklase | |||||
| 10 | Kopsavilkums, praktiskais darbs ar datiem. Zinātniskās publikācijas analīze. | Nodarbības | 0.50 | datorklase | |||||
| 11 | Patstāvīgais darbs ar datiem. | Nodarbības | 0.50 | datorklase | |||||
| 12 | Noslēguma darba prezentācija. | Nodarbības | 0.50 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. Individuālais darbs ar literatūru – sagatavošanās katrai nodarbībai, atbilstoši tematiskajam plānam. 2. Patstāvīga zinātniskās publikācijas analīze. 3. Noslēguma darbs – katram studentam tiks sagatavoti pētījuma datu faili (vai students var izmantot sava pētījuma datus) ar nodefinētiem pētījuma uzdevumiem. Studentam vajadzēs statistiski apstrādāt datus, lai sasniegtu nodefinētos uzdevumus, aprakstīt iegūtos rezultātus noslēguma darbā, noformēt darbu, atbilstoši prasībām un prezentēt iegūtos rezultātus pēdējā nodarbībā. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā. | ||||||||
| Vērtēšanas kritēriji: | Līdzdalība praktiskajās nodarbībās. Par katru kavēto nodarbību – tēmas kopsavilkums, izmantojot norādīto literatūru (min. viena A4 lapa). Studiju kursa beigās: 1. Eksāmens (rakstisks), daudzatbilžu tests ar teorētiskiem jautājumiem statistikā, kas sastāda 50% no gala vērtējuma. 2. Patstāvīgo darbu: noslēguma darba un zinātniskās publikācijas analīzes mutiska prezentācija, kas sastāda 50% no gala vērtējuma. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Pēc studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus: * atpazīt statistisko terminoloģiju un izmantotās pamatmetodes dažāda veida publikācijās; * pārzināt Excel un IBM SPSS Statistics piedāvātas iespējas datu apstrādē; * pārzināt kritērijus datu apstrādes metožu izmantošanai; * pareizi interpretēt iegūtos rezultātus. | ||||||||
| Prasmes: | Studiju kursa apguves rezultātā studenti pratīs: * ievadīt un rediģēt datus datorprogrammās Excel un IBM SPSS Statistics; * korekti sagatavot datus statistiskai apstrādei; * izvēlēties piemērotas datu apstrādes metodes, t.sk., spēs veikt statistisko hipotēžu pārbaudes, korelācijas analīzi; * statistiski apstrādāt pētījuma datus, izmantojot datorprogrammas Excel un IBM SPSS Statistics; * izveidot tabulas un diagrammas Excel un IBM SPSS Statistics datorprogrammās ar iegūtajiem rezultātiem; * korekti aprakstīt iegūtos pētījuma rezultātus. | ||||||||
| Kompetences: | Studiju kursa apguves rezultātā studenti būs spējīgi argumentēti pieņemt lēmumu par statistiskas datu apstrādes metožu izmantošanu pētījuma mērķa sasniegšanai un, izmantojot datorprogrammas Excel un IBM SPSS Statistics, praktiski pielietot apgūtās statistiskās pamatmetodes pētījumu datu apstrādē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Field A. Discovering Statistics using IBM SPSS Statistics. 2018. | ||||||||
| 2 | Petrie A. & Sabin C. Medical Statistics at a Glance. 4th edition, 2020. | ||||||||
| 3 | Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal. 2nd edition, 2014. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Teibe U. Bioloģiskā statistika. Rīga: LU 2007 - 156 lpp. | ||||||||
