.
Matemātiskā statistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:3.00
Kursa apraksta apstiprināšanas datums:15.12.2023 12:45:39
Par studiju kursu | |||||||||
Kursa kods: | SL_037 | LKI līmenis: | 6. līmenis | ||||||
Kredītpunkti: | 3.00 | ECTS: | 4.50 | ||||||
Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Socioloģija | ||||||
Studiju kursa vadītājs | |||||||||
Kursa vadītājs: | Silva Seņkāne | ||||||||
Studiju kursa īstenotājs | |||||||||
Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
Struktūrvienības vadītājs: | |||||||||
Kontaktinformācija: | Kapseļu iela 23, 2.stāvs, Rīga, +371 67060897, statistikarsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
Studiju kursa plānojums | |||||||||
Pilns laiks - 1. semestris | |||||||||
Lekcijas (skaits) | 6 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 12 | ||||
Nodarbības (skaits) | 6 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 12 | ||||
Kopā kontaktstundas | 24 | ||||||||
Studiju kursa apraksts | |||||||||
Priekšzināšanas: | Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. | ||||||||
Mērķis: | Iegūt pamatzināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika, slēdzienstatistikas metodes starpgrupu atšķirību novērtēšanai un saistību izpētei starp dažādiem mainīgajiem), kas nepieciešamas bakalaura darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē. | ||||||||
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. | Lekcijas | 1.00 | datorklase | |||||
2 | Aprakstošās statistikas rādītāji MS Excel un IBM SPSS. | Lekcijas | 0.50 | ||||||
Nodarbības | 0.50 | datorklase | |||||||
3 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. Ticamības intervāli. | Lekcijas | 1.00 | datorklase | |||||
4 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. p vērtība. Izlases lieluma aprēķināšana. | Lekcijas | 0.50 | datorklase | |||||
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 un datiem ordinālā skalā. 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, binārā loģistiskā regresija). | Lekcijas | 0.50 | datorklase | |||||
Nodarbības | 0.50 | datorklase | |||||||
9 | Citas daudzdimensiju metodes (faktoranalīze, klāsteranalīze). | Lekcijas | 0.50 | datorklase | |||||
Nodarbības | 0.50 | datorklase | |||||||
10 | Zinātnisko publikāciju analīze. | Lekcijas | 1.00 | datorklase | |||||
11 | Patstāvīgais darbs ar datiem IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
12 | Patstāvīgā darba prezentācija. | Lekcijas | 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 tiks sagatavoti pētījuma datu faili (vai studenti var izmantot sava pētījuma datus) ar nodefinētiem pētījuma uzdevumiem. Studentam vajadzēs apstrādāt datus, lai sasniegtu nodefinētos uzdevumus, izmantojot aprakstošās statistikas un slēdzienstatistikas metodes, aprakstīt iegūtos rezultātus noslēguma darbā, noformēt darbu atbilstoši prasībām un prezentēt iegūtos rezultātus pēdējā nodarbībā | ||||||||
Vērtēšanas kritēriji: | Līdzdalība praktiskajās nodarbībās. Par katru kavēto nodarbību – praktisks darba uzdevums. Studiju kursa beigās eksāmens – 50% no gala vērtējuma; Publikācijas analīzes mutiska prezentācija 25%; Patstāvīgā darba mutiska prezentācija 25%. | ||||||||
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 pamatmetodes dažāda veida publikācijās; * pārzināt biežāk lietotās MS Excel un IBM SPSS piedāvātās iespējas datu apstrādē; * pārzināt kritērijus datu apstrādes metožu izmatošanai; * pareizi interpretēt svarīgākos statistiskos rādītājus. | ||||||||
Prasmes: | Studiju kursa apguves rezultātā studenti 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 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 MS Excel un IBM SPSS, praktiski pielietot apgūtās statistiskās pamatmetodes pētījumu datu apstrādē | ||||||||
Bibliogrāfija | |||||||||
Nr. | Atsauce | ||||||||
Obligātā literatūra | |||||||||
1 | Field A. 2013. Discovering Statistics Using IBM SPSS Statistics, 4th ed, Sage Publications, ISBN-13: 978-1446249185 | ||||||||
2 | Arhipova, I. un Bāliņa, S. 2006. Statistika ekonomikā un biznesā.Risinājumi ar SPSS un MS Excel. Datorzinību centrs | ||||||||
3 | Acton C. and Miller R. 2009 SPSS for Social Scientists 2nd ed Palgrave Macmillan |