Pārlekt uz galveno saturu
Studiju programma
Valoda
Latviešu
Vadītājs
Imants Kalniņš

Studiju kursa apraksts

Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:3.00
Kursa apraksta apstiprināšanas datums:28.08.2019
Par studiju kursu
Kursa kods:SL_017LKI līmenis:7. līmenis
Kredītpunkti:4.00ECTS:6.00
Zinātnes nozare:Matemātika; Varbūtību teorija un matemātiskā statistikaMērķauditorija:Māszinības
Studiju kursa vadītājs
Kursa vadītājs:Imants Kalniņš
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)6Lekciju ilgums (akadēmiskās stundas)2Kopā lekciju kontaktstundas12
Nodarbības (numurs)18Nodarbību ilgums (akadēmiskās stundas)2Kopā nodarbību kontaktstundas36
Kopā kontaktstundas48
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 atšķirību novērtēšanai un analītiska statistika), kas nepieciešamas noslēguma darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē.
Tēmu saraksts (pilna laika studijas)
Nr.TēmaĪstenošanas formaSkaitsNorises vieta
1Ievads statistikā, statistikas loma pētījuma procesā.Lekcijas1.00datorklase
2Datu veidi, mērskalas, datu ievade, datu sagatavošana MS Excel.Lekcijas1.00datorklase
3Iepazīšanās ar IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā.Nodarbības1.00datorklase
4Aprakstošās statistikas rādītāji MS Excel un IBM SPSS.Nodarbības1.00datorklase
5Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji.Lekcijas1.00datorklase
6Tabulu un diagrammu veidošana, to atbilstoša noformēšana.Nodarbības1.00datorklase
7Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība.Lekcijas1.00datorklase
8Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo izlašu salīdzināšana.Nodarbības1.00datorklase
9Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Atkarīgo izlašu salīdzināšana.Nodarbības1.00datorklase
10Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgo izlašu salīdzināšana.Nodarbības1.00datorklase
11Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Atkarīgo izlašu salīdzināšana.Nodarbības1.00datorklase
12Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases.Nodarbības1.00datorklase
13Uzticamības analīze. Skalas saskaņotības koeficients (Kronbaha Alfa)Nodarbības1.00datorklase
14Korelācijas analīze. Regresijas analīze (Lineārā regresija)Nodarbības1.00datorklase
15Regresijas analīze (Binārā loģistiskā regresija).Nodarbības1.00datorklase
16Dzīvildzes analīze (Kaplana-Meiera metode)Nodarbības1.00datorklase
17Dzīvildzes analīze (Koksa regresija)Nodarbības1.00datorklase
18Zinātnisko publikāciju analīze.Lekcijas2.00datorklase
19Patstāvīgais darbs ar datiem IBM SPSS.Nodarbības4.00datorklase
20Patstāvīgā darba prezentācija.Nodarbības1.00datorklase
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.
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
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; * 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
2Petrie A. & Sabin C. Medical Statistics at a Glance, 3rd edition, 2009. ISBN: 978-1-405-18051-1
3Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, ISBN-13: 978-1446249185, 2013.