.
Biostatistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:8.00
Kursa apraksta apstiprināšanas datums:09.08.2023 11:28:32
Par studiju kursu | |||||||||
Kursa kods: | SL_015 | LKI līmenis: | 7. 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, statistikarsu[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) | 3 | Kopā nodarbību kontaktstundas | 24 | ||||
Kopā kontaktstundas | 24 | ||||||||
Studiju kursa apraksts | |||||||||
Priekšzināšanas: | Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. | ||||||||
Mērķis: | Iegūt padziļinātas zināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika, slēdzienstatistikas metodes starpgrupu atšķirību novērtēšanai un saistību izpētei starp mainīgajiem), kas nepieciešamas zinātniski pētnieciskā darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē. | ||||||||
Tēmu saraksts (pilna laika studijas) | |||||||||
Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
1 | Statistikas loma pētījuma procesā. Datu veidi, mērskalas, datu sagatavošana datorprogrammās Excel un IBM SPSS Statistics. Pamatdarbības ar datiem IBM SPSS Statistics programmā. | Nodarbības | 0.50 | datorklase | |||||
2 | Aprakstošās statistikas rādītāju aprēķināšana Excel un IBM SPSS Statistics, to interpretācija. | Nodarbības | 0.50 | datorklase | |||||
3 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 0.50 | datorklase | |||||
4 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība. | Nodarbības | 0.50 | datorklase | |||||
5 | Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo un atkarīgo izlašu salīdzināšana. | Nodarbības | 1.00 | datorklase | |||||
6 | Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo un atkarīgo izlašu salīdzināšana. | Nodarbības | 1.00 | datorklase | |||||
7 | Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases. | Nodarbības | 1.00 | datorklase | |||||
8 | Korelācijas analīze. Regresijas analīze (Lineārā regresija). | Nodarbības | 1.00 | datorklase | |||||
9 | Regresijas analīze (Binārā loģistiskā regresija). | Nodarbības | 0.50 | datorklase | |||||
10 | Zinātnisko publikāciju analīze. | Nodarbības | 0.50 | datorklase | |||||
11 | Patstāvīgais darbs ar datiem IBM SPSS Statistics. | Nodarbības | 0.50 | datorklase | |||||
12 | Patstāvīgā 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. Patstāvīgais darbs – katram studentam tiks sagatavoti pētījuma datu faili (vai students var izmantot sava pētījuma datus) ar nodefinētiem pētījuma uzdevumiem. Studentam vajadzēs apstrādāt datus, lai sasniegtu nodefinētos uzdevumus, izmantojot aprakstošās statistikas metodes, slēdzienstatistikas un/vai analītiskās statistikas metodes, 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. 1 A4 lapa). Studiju kursa beigās: 1. Publikācijas analīzes mutiska prezentācija, kas veido 20% no gala vērtējuma. 2. Patstāvīgā darba mutiska prezentācija, kas veido 30% no gala vērtējuma. 3. Studiju kursa beigās eksāmens: tests ar teorētiskiem un praktiskiem jautājumiem (30 jautājumi), kas veido 50% no gala vērtējuma. | ||||||||
Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
Gala pārbaudījums (nepilna laika studijas): | |||||||||
Studiju rezultāti | |||||||||
Zināšanas: | Pēc studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus: * atpazīt statistisko terminoloģiju un izmantotās metodes dažāda veida publikācijās; * pārzināt Excel un IBM SPSS Statistics piedāvātas iespējas datu apstrādē; * pārzināt kritērijus, datu apstrādes metožu izmantošanai; * pareizi interpretēt iegūtos pētījuma rezultātus. | ||||||||
Prasmes: | Studiju kursa apguves rezultātā studējošie pratīs: * korekti sagatavot datus statistiskai apstrādei; * izvēlēties piemērotas statistiskās datu apstrādes metodes; * apstrādāt pētījuma datus, pielietojot statistiskās datu apstrādes metodes Excel un IBM SPSS Statistics datorprogrammās; * atspoguļot iegūtos rezultātus tabulās un diagrammās, izmantojot Excel un IBM SPSS Statistics datorprogrammas; * korekti aprakstīt iegūtos pētījuma rezultātus. | ||||||||
Kompetences: | Studiju kursa apguves rezultātā studējošie 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 metodes pētījumu datu apstrādē. | ||||||||
Bibliogrāfija | |||||||||
Nr. | Atsauce | ||||||||
Obligātā literatūra | |||||||||
1 | Field A. Discovering Statistics using IBM SPSS Statistics. 4th edition, 2013. | ||||||||
2 | Petrie A. & Sabin C. Medical Statistics at a Glance. 4th edition, Wiley-Blackwell, 2019. | ||||||||
Papildu literatūra | |||||||||
1 | Teibe U. Bioloģiskā statistika. Rīga: LU Akadēmiskais apgāds, 2007, p 155. |