Pārlekt uz galveno saturu
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_012LKI līmenis:7. līmenis
Kredītpunkti:6.00ECTS:9.00
Zinātnes nozare:Matemātika; Varbūtību teorija un matemātiskā statistikaMērķauditorija:Sabiedrības veselība
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)12Lekciju ilgums (akadēmiskās stundas)2Kopā lekciju kontaktstundas24
Nodarbības (numurs)12Nodarbību ilgums (akadēmiskās stundas)4Kopā nodarbību kontaktstundas48
Kopā kontaktstundas72
Studiju kursa apraksts
Priekšzināšanas:
Pētniecības metodoloģija, statistikas pamattēmas, matemātika, prasmes darbā ar datoru.
Mērķis:
Iegūt padziļinātas zināšanas, iemaņas un prasmes specifiskās matemātiskās statistikas datu apstrādes metodēs studiju nolūkiem; darbam sabiedrības veselības specialitātē; kā arī veicināt statistiskās terminoloģijas apguvi un tās praktisko pielietošanu.
Tēmu saraksts (pilna laika studijas)
Nr.TēmaĪstenošanas formaSkaitsNorises vieta
1Asociāciju rādītāju un to ticamības intervālu aprēķini. Stratifikācija.Lekcijas1.00datorklase
Nodarbības1.00datorklase
2Incidence, Prevelence, Mirstība. Tiešā standartizācijas metode.Lekcijas1.00datorklase
Nodarbības1.00datorklase
3Daudzfaktoru lineārā regresija. Multikolineritāte.Lekcijas1.00datorklase
Nodarbības1.00datorklase
4Vispārējais lineārais modelis (kvalitatīvie mainīgie regresijas analīzē).Lekcijas1.00datorklase
Nodarbības1.00datorklase
5Loģistiskā regresija. Modeļa novērtējums.Lekcijas1.00datorklase
Nodarbības1.00datorklase
6Multinominālā regresija, ordinālā regresija.Lekcijas1.00datorklase
Nodarbības1.00datorklase
7Puasona regresija un citas regresijas.Lekcijas1.00datorklase
Nodarbības1.00datorklase
8Dzīvildzes analīze. Kaplana-Meiera metode.Lekcijas1.00datorklase
Nodarbības1.00datorklase
9Koksa regresija. Modeļa novērtējums.Lekcijas1.00datorklase
Nodarbības1.00datorklase
10Faktoranalīze.Lekcijas1.00auditorija
Nodarbības1.00auditorija
11Diskriminantanalīze un klasteranalīze.Lekcijas1.00datorklase
Nodarbības1.00datorklase
12Kopsavilkums par statistikas metodēm.Lekcijas1.00datorklase
Nodarbības1.00datorklase
Vērtēšana
Patstāvīgais darbs:
Individuālais darbs ar literatūru – gatavošanās nodarbībai, atbilstoši tematiskajam plānojumam; mājas uzdevumu izpilde.
Vērtēšanas kritēriji:
Aktīva līdzdalība praktiskajās nodarbībās; Apgūto statistisko terminu un metožu praktiskā pielietojuma pārbaudes; Uzdoto mājas darbu pārbaude; Studiju kursa noslēgumā eksāmens, kurš sastāv no rakstiskās daļas (testa) un praktiska uzdevuma datu apstrādē, tiek pārbaudītas statistiskās terminoloģijas un metožu zināšanas un to praktiskais pielietojums. Par katru kavēto nodarbību – tēmas kopsavilkums izmantojot norādīto literatūru (min. viena A4 lapa).
Gala pārbaudījums (pilna laika studijas):Eksāmens (Rakstisks)
Gala pārbaudījums (nepilna laika studijas):
Studiju rezultāti
Zināšanas:Veiksmīgas studiju kursa apguves rezultātā studenti: Atpazīs statistisko terminoloģiju un izmantotās metodes dažāda veida publikācijās; Pārzinās IBM SPSS programmas piedāvātās speciālās iespējas datu apstrādē; Iemācīsies izprast dažādu statistikas metožu nozīmi un vietu zinātniskās pētniecības darbā.
Prasmes:Veiksmīgas studiju kursa apguves rezultātā studenti pratīs: * Izveidot un rediģēt, un savienot datu bāzes SPSS; * Korekti sagatavot datus statistiskai apstrādei; * Izveidot un rediģēt tabulas, diagrammas; * Izvēlēties atbilstošu regresijas analīzi; * Veikt dzīvildzes analīzi; * Noteikt testu ticamību un drošumu; * Izskaidrot iegūtos rezultātus; * Izveidot izmantoto metožu un rezultātu aprakstu.
Kompetences:Veiksmīgas studiju kursa apguves rezultātā, studenti spēs: Pareizi interpretēt svarīgākos statistiskos rādītājus sabiedrības veselības specialitātē; Plānot konkrēta veselības aprūpes jautājuma izpēti, atbilstošu datu ieguvi un apkopošanu; Analizēt pētīto procesu un prognozēt tā attīstību.
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
Papildus literatūra
1Baltiņš M. Lietišķā epidemioloģija. Rīga: Zinātne, 2003.