.
Statistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:6.00
Kursa apraksta apstiprināšanas datums:27.10.2023 08:55:38
| Par studiju kursu | |||||||||
| Kursa kods: | SL_020 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Sociālā labklājība un sociālais darbs | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Ināra Kantāne | ||||||||
| 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) | 12 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 24 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Nepilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 0 | Lekciju ilgums (akadēmiskās stundas) | 0 | Kopā lekciju kontaktstundas | 0 | ||||
| Nodarbības (skaits) | 12 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 24 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Pamatzināšanas matemātikā un informātikā. | ||||||||
| Mērķis: | Sniegt zināšanas par pamatstatistikas metožu izmantošanu statistiskajā analīzē un iepazīstināt ar IBM SPSS programmu. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā, statistikas loma pētījuma procesā. Datu veidi, mērskalas, datu ievade, datu sagatavošana MS Excel. Iepazīšanās ar IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Aprakstošās statistikas rādītāji MS Excel un IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 1.00 | datorklase | |||||
| 4 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība. | Nodarbības | 1.00 | 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 | 1.00 | datorklase | |||||
| 10 | Zinātnisko publikāciju analīze. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Patstāvīgais darbs ar datiem IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 12 | Patstāvīgā 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, mērskalas, datu ievade, datu sagatavošana MS Excel. Iepazīšanās ar IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Aprakstošās statistikas rādītāji MS Excel un IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 1.00 | datorklase | |||||
| 4 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība. | Nodarbības | 1.00 | 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 | 1.00 | datorklase | |||||
| 10 | Zinātnisko publikāciju analīze. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Patstāvīgais darbs ar datiem IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 12 | Patstāvīgā darba prezentācija. | Nodarbības | 1.00 | 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 statistiski 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 ieskaite: 1. Patstāvīgā darba mutiska prezentācija – 50% 2. Eksāmens - daudzatbilžu tests ar teorētiskiem jautājumiem statistikā – 50%. | ||||||||
| 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 MS Excel un IBM SPSS piedāvātas iespējas datu apstrādē; * pārzināt kritērijus, datu apstrādes metožu izmatošanai; * pareizi interpretēt svarīgākos statistiskos rādītājus. | ||||||||
| Prasmes: | Studiju kursa apguves rezultātā studējošie pratīs: * ievadīt un rediģēt datus datorprogrammās MS Excel un IBM SPSS; * korekti sagatavot datus statistiskai apstrādei; * izvēlēties piemērotas datu apstrādes metodes, t.sk., spēs veikt statistisko hipotēžu pārbaudes; * statistiski apstrādāt pētījuma datus, izmantojot datorprogrammas MS Excel un IBM SPSS; * izveidot tabulas un diagrammas MS Excel un IBM SPSS programmās ar iegūtajiem rezultātiem; * 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 MS Excel un IBM SPSS, praktiski pielietot apgūtās statistiskās pamatmetodes pētījumu datu apstrādē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Teibe U. Bioloģiskā statistika. Rīga: LU Akadēmiskais apgāds, 2007, p 155. | ||||||||
| 2 | Field A. Discovering Statistics using IBM SPSS Statistics. 4th edition, 2013. | ||||||||
| 3 | Petrie A. & Sabin C. Medical Statistics at a Glance. 3rd edition, 2009. | ||||||||
