Pārlekt uz galveno saturu
Vadītājs
Andrejs Ivanovs

Studiju kursa apraksts

Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:4.00
Kursa apraksta apstiprināšanas datums:14.03.2019
Par studiju kursu
Kursa kods:SL_013LKI līmenis:6. līmenis
Kredītpunkti:2.00ECTS:3.00
Zinātnes nozare:Matemātika; Varbūtību teorija un matemātiskā statistikaMērķauditorija:Rehabilitācija
Studiju kursa vadītājs
Kursa vadītājs:Andrejs Ivanovs
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)Lekciju ilgums (akadēmiskās stundas)Kopā lekciju kontaktstundas0
Nodarbības (numurs)11Nodarbību ilgums (akadēmiskās stundas)3Kopā nodarbību kontaktstundas33
Kopā kontaktstundas33
Nepilns laiks - 1. semestris
Nodarbības (skaits)Lekciju ilgums (akadēmiskās stundas)Kopā lekciju kontaktstundas
Nodarbības (numurs)8Nodarbību ilgums (akadēmiskās stundas)3Kopā nodarbību kontaktstundas24
Kopā kontaktstundas24
Study course description
Zināšanas:
Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā.
Mērķis:
Iegūt pamatzināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika un slēdzienstatistikas metodes atšķirību novērtēšanai), kas nepieciešamas bakalaura darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē.
Tēmu saraksts (pilna laika studijas)
Nr.TēmaĪstenošanas formaSkaitsNorises vieta
2Iepazīšanās ar IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā.Nodarbības1.00datorklase
3Aprakstošās statistikas rādītāji MS Excel un IBM SPSS.Nodarbības1.00datorklase
4Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. Tabulu un diagrammu veidošana, to atbilstoša noformēšana.Nodarbības1.00datorklase
6Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo izlašu salīdzināšana (Studenta t tests, dispersijas analīze (ANOVA)). Atkarīgo izlašu salīdzināšana (Pāru t tests, dispersijas analīze atkārtotām izlasēm (MANOVA)).Nodarbības1.00datorklase
7Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo izlašu salīdzināšana (Manna-Vitnija tests, Kruskola-Volisa tests). Atkarīgo izlašu salīdzināšana (Vilkoksona zīmju tests, Maknemāra tests).Nodarbības1.00datorklase
8Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases. Pīrsona hī kvadrāta χ2 un Fišera eksaktais tests.Nodarbības1.00datorklase
9Uzticamības analīze. Skalas saskaņotības koeficients (Kronbaha Alfa).Nodarbības1.00datorklase
10Zinātnisko publikāciju analīze.Nodarbības1.00datorklase
11Patstāvīgais darbs ar datiem IBM SPSS.Nodarbības1.00datorklase
12Noslēguma darba prezentācija.Nodarbības1.00datorklase
Tēmu saraksts (nepilna laika studijas)
Nr.TēmaĪstenošanas formaSkaitsNorises vieta
4Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. Tabulu un diagrammu veidošana, to atbilstoša noformēšana.Nodarbības1.00datorklase
6Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo izlašu salīdzināšana (Studenta t tests, dispersijas analīze (ANOVA)). Atkarīgo izlašu salīdzināšana (Pāru t tests, dispersijas analīze atkārtotām izlasēm (MANOVA)).Nodarbības1.00datorklase
7Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo izlašu salīdzināšana (Manna-Vitnija tests, Kruskola-Volisa tests). Atkarīgo izlašu salīdzināšana (Vilkoksona zīmju tests, Maknemāra tests).Nodarbības1.00datorklase
8Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases. Pīrsona hī kvadrāta χ2 un Fišera eksaktais tests.Nodarbības1.00datorklase
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.
Vērtēšanas kritēriji:
Līdzdalība praktiskajās nodarbībās. Apgūto statistisko terminu un metožu praktiskā pielietojuma pārbaude. Studiju kursa beigās ieskaite: 1. Daudzatbilžu tests ar teorētiskiem jautājumiem statistikā. 2. Noslēguma darba mutiska prezentācija. Par katru kavēto nodarbību – tēmas kopsavilkums izmantojot norādīto literatūru (min. viena A4 lapa).
Gala pārbaudījums (pilna laika studijas):Ieskaite
Gala pārbaudījums (nepilna laika studijas):Ieskaite
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; * 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 Caroline. Medical Statistics at a Glance, 3rd edition, Willey Blackwell, 2009.