.
Matemātiskā statistika I
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:10.00
Kursa apraksta apstiprināšanas datums:12.08.2022 11:03:38
| Par studiju kursu | |||||||||
| Kursa kods: | SL_008 | LKI līmenis: | 6. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Sabiedrības veselība | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Vinita Cauce | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Kapseļu iela 23, 2.stāvs, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 0 | Lekciju ilgums (akadēmiskās stundas) | 0 | Kopā lekciju kontaktstundas | 0 | ||||
| Nodarbības (skaits) | 16 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 32 | ||||
| Kopā kontaktstundas | 32 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Matemātikas un informātikas zināšanas vidusskolas programmas līmenī, bet vēlams, lai iepriekš tiktu apgūts izvēles kurss informātika (1. st. gadā). | ||||||||
| Mērķis: | Apgūt aprakstošās statistikas, hipotēžu pārbaudes pamatzināšanas un gūt priekšstatu par IBM SPSS programmas lietojumu specialitātē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā: statistikas vieta un loma. Statistisko aprēķinu rīki (kalkulatori, programmas). Ievads SPSS programmā. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Datu veidi. Mainīgie, to mērījumu skalas. Datu ievade un datu apmaiņa MS Office un SPSS vidēs. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Tabulas un diagrammas IBM SPSS un Excel vidē. | Nodarbības | 1.00 | datorklase | |||||
| 4 | Aprakstošās statistikas rādītāju aprēķināšana IBM SPSS un Excel vidē: frekvenču aprēķināšana, centrālas tendences un izkliedes rādītāji. | Nodarbības | 3.00 | datorklase | |||||
| 5 | Varbūtību teorijas elementi. Teorētiskie datu sadalījumi. Normālsadalījums. Normētais standartsadalījums. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Ticamības intervāli, to aprēķināšana SPSS un TI kalkulātoros. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Hipotēžu pārbaude. Divi kvantitatīvi mainīgie (divas izlases). Parametriskā un neparametriskās metodes. | Nodarbības | 2.00 | datorklase | |||||
| 8 | Hipotēžu pārbaude. Kvantitatīvie mainīgie (trīs un vairāk grupu salīdzināšana). Parametriskās un neparametriskās metodes. | Nodarbības | 2.00 | datorklase | |||||
| 9 | Hipotēžu pārbaude. Kvalitatīvie dati. 2 x 2 šķērstabulas. | Nodarbības | 1.00 | datorklase | |||||
| 10 | Hipotēžu pārbaudes. Kvalitatīvie dati. R x C šķērstabulas. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Kursa kopsavilkums. Patstāvīgais darbs. | Nodarbības | 1.00 | datorklase | |||||
| 12 | Patstāvīgā darba prezentācija. | Nodarbības | 1.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Individuālais darbs ar literatūru – sagatavošanās nodarbībai, neskaidro terminu noskaidrošana, mājas uzdevumu izpilde. | ||||||||
| Vērtēšanas kritēriji: | Aktīva līdzdalība praktiskajās nodarbībās. Patstāvīgais darbs par datu apstrādi aprakstošās statistikas un hipotēžu pārbaudes pamata līmenī, kurā nepieciešams veikt aprēķinus un interpretēt rezultātus. Par katru kavēto nodarbību – tēmas kopsavilkums, izmantojot norādīto literatūru (min. viena A4 lapa). Studiju kursa noslēgumā rakstisks pārbaudījums: datorizēts tests ar 30 jautājumiem par reprezentatīvām nosaukumu kopām un lēmumu pieņemšanu datu apstrādē – 50%, praktisko uzdevumu risināšana IBM SPSS vidē – 30%, patstāvīgais darbs -20%. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Veiksmīgas studiju kursa apguves rezultātā studenti: • Nosauks un izskaidros svarīgākās aprakstošās statistikas un hipotēžu pārbaudes pamatu raksturīgo vārdu kopas latviešu un angļu valodā. • Atpazīs pamatsituācijas datu apstrādē aprakstošās statistikas un hipotēžu pārbaudes pamata līmenī. | ||||||||
| Prasmes: | Veiksmīgas studiju kursa apguves rezultātā studenti pratīs: • Sagatavot datus apstrādei IBM SPSS vidē. • Atlasīt datus pēc dažādiem kritērijiem SPSS vidē. • Pieņemt lēmumus par piemērotas aprakstošās statistikas aprēķiniem, diagrammu konstruēšanu un hipotēžu pārbaudi pamata līmenī. • Aprēķināt aprakstošo statistiku, konstruēt diagrammas un tabulas. • Veikt hipotēžu pārbaudi pamata līmenī IBM SPSS vidēs. • Interpretēt datu apstrādes rezultātus atbilstoši specialitātei. | ||||||||
| Kompetences: | Veiksmīgas studiju kursa apguves rezultātā, studenti spēs pareizi interpretēt statiskos rādītājus, lasot zinātnisko literatūru specialitātē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Teibe U. Bioloģiskā statistika. LU, 2007. (akceptējams izdevums) | ||||||||
| Papildu literatūra | |||||||||
| 1 | A. Field. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018. | ||||||||
| 2 | Petrie A. & Sabin Caroline. Medical Statistics at a Glance. Willey Blackwell, 2020. | ||||||||
