Pārlekt uz galveno saturu
Studiju programma
Vadītājs
Vinita Cauce

Studiju kursa apraksts

Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:1.00
Kursa apraksta apstiprināšanas datums:03.10.2018
Par studiju kursu
Kursa kods:SL_014LKI līmenis:7. līmenis
Kredītpunkti:2.00ECTS:3.00
Zinātnes nozare:Matemātika; Varbūtību teorija un matemātiskā statistikaMērķauditorija:Rehabilitācija
Studiju kursa vadītājs
Kursa vadītājs:Vinita Cauce
Studiju kursa īstenotājs
Struktūrvienība:Statistikas mācību laboratorija
Struktūrvienības vadītājs:Andrejs Ivanovs
Kontaktinformācija:Kapseļu iela 23, 2.stāvs, Rīga, +371 67060897, statistikaatrsu[pnkts]lv, www.rsu.lv/statlab
Studiju kursa plānojums
Pilns laiks - 1. semestris
Nodarbības (skaits)8Lekciju ilgums (akadēmiskās stundas)2Kopā lekciju kontaktstundas16
Nodarbības (numurs)8Nodarbību ilgums (akadēmiskās stundas)2Kopā nodarbību kontaktstundas16
Kopā kontaktstundas32
Study course description
Zināšanas:
Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. Pamatzināšanas pētniecības metodēs.
Mērķis:
Kursa mērķis ir sniegt studentiem vispārīgās statistikas un lietišķās matemātikas zināšanas un iemaņas, kas nepieciešamas, lai radītu izpratni par uz pierādījumiem balstītas medicīnas nozīmi uzturzinātnieka izglītībā.
Tēmu saraksts (pilna laika studijas)
Nr.TēmaĪstenošanas formaSkaitsNorises vieta
1Statistikas vieta un loma.Lekcijas1.00datorklase
2Aprakstošā statistika. Gadījuma lielumi, to sadalījumi.Lekcijas1.00datorklase
3Absolūtie un relatīvie lielumi. Izlases sadalījumi un to raksturlielumi. Centrālās tendences rādītāji.Nodarbības1.00datorklase
4Datu izkliedes rādītāji. Datu prezentācija: diagrammas, tabulas, teksts.Nodarbības1.00datorklase
5Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība.Lekcijas1.00datorklase
6Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo un atkarīgo izlašu salīdzināšana.Lekcijas1.00datorklase
Nodarbības1.00datorklase
7Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo un atkarīgo izlašu salīdzināšana.Lekcijas1.00datorklase
Nodarbības1.00datorklase
8Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases.Nodarbības1.00datorklase
9Korelācijas analīze. Regresijas analīze.Lekcijas1.00datorklase
Nodarbības1.00datorklase
10Dzīvildzes analīze.Lekcijas1.00datorklase
Nodarbības1.00datorklase
11Jēdziens par faktoru, diskriminantanalīzi un klasteranalīzi.Lekcijas1.00datorklase
12Zinātnisko publikāciju analīzes prezentācija.Nodarbības1.00datorklase
Vērtēšana
Patstāvīgais darbs:
1. Individuālais darbs ar literatūru – sagatavošanās katrai nodarbībai atbilstoši tematiskajam plānam; 2. Patstāvīga zinātniskās publikācijas analīze.
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. 2. Daudzatbilžu tests ar teorētiskiem jautājumiem statistikā.
Gala pārbaudījums (pilna laika studijas):Eksāmens (Rakstisks)
Gala pārbaudījums (nepilna laika studijas):
Studiju rezultāti
Priekšzināšanas: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; * spēs 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 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 MS Excel un IBM SPSS, praktiski pielietot apgūtās statistiskās pamatmetodes pētījumu datu apstrādē.
Bibliogrāfija
Nr.Atsauce
Obligātā literatūra
1Teibe U. Bioloģiskā statistika. Rīga: LU 2007 - 156 lpp.
2Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, ISBN-13: 978-1446249185, 2013.
3Petrie A. & Sabin C. Medical Statistics at a Glance, 3rd edition, 2009. ISBN: 978-1-405-18051-1