.
Statistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:11.00
Kursa apraksta apstiprināšanas datums:06.03.2023 09:03:46
| Par studiju kursu | |||||||||
| Kursa kods: | SL_017 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 4.00 | ECTS: | 6.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Māszinības | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Madara Miķelsone | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, A kurpuss, 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) | 12 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 24 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Pilns laiks - 2. semestris | |||||||||
| Lekcijas (skaits) | 0 | Lekciju ilgums (akadēmiskās stundas) | 0 | Kopā lekciju kontaktstundas | 0 | ||||
| Nodarbības (skaits) | 12 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 24 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. | ||||||||
| Mērķis: | Iegūt padziļinātas zināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika, slēdzienstatistikas metodes atšķirību novērtēšanai un analītiskā statistika), kas nepieciešamas pētniecisko datu apstrādei noslēguma darbā un izvēlētajā specialitātē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā, statistikas loma pētījuma procesā. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Datu veidi, mērskalas, datu ievade, datu sagatavošana MS Excel. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Iepazīšanās ar IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā. | Nodarbības | 1.00 | datorklase | |||||
| 4 | Aprakstošās statistikas rādītāji MS Excel un IBM SPSS. | Nodarbības | 2.00 | datorklase | |||||
| 5 | Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Tabulu un diagrammu veidošana, to atbilstoša noformēšana. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Statistiskās hipotēzes, to veidi. Hipotēžu pārbaude. P vērtība. | Nodarbības | 1.00 | datorklase | |||||
| 8 | Parametriskas datu apstrādes metodes kvantitatīvajiem datiem. Atkarīgu un neatkarīgu izlašu salīdzināšana. | Nodarbības | 2.00 | datorklase | |||||
| 9 | Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem. Neatkarīgu un atkarīgu izlašu salīdzināšana. | Nodarbības | 2.00 | datorklase | |||||
| 10 | Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases. | Nodarbības | 2.00 | datorklase | |||||
| 11 | Uzticamības analīze. Skalas saskaņotības koeficients (Kronbaha Alfa). | Nodarbības | 1.00 | datorklase | |||||
| 12 | Korelācijas analīze. Regresijas analīze (Lineārā regresija). | Nodarbības | 2.00 | datorklase | |||||
| 13 | Regresijas analīze (Binārā loģistiskā regresija). | Nodarbības | 2.00 | datorklase | |||||
| 14 | Zinātnisko publikāciju analīze. | Nodarbības | 2.00 | datorklase | |||||
| 15 | Patstāvīgā darba prezentācija. | Nodarbības | 1.00 | datorklase | |||||
| 16 | Patstāvīgais darbs ar datiem IBM SPSS. | Nodarbības | 2.00 | datorklase | |||||
| 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 sagatavots pētījuma datu fails (vai students var izmantot sava pētījuma datus) ar nodefinētiem pētījuma uzdevumiem – vajadzēs statistiski apstrādāt datus, lai sasniegtu nodefinētos uzdevumus, izmantojot aprakstošās statistikas metodes, slēdzienstatistikas un/vai analītiskās statistikas metodes un prezentēt iegūtos rezultātus pēdējā nodarbībā. | ||||||||
| Vērtēšanas kritēriji: | Lai sekmīgi apgūtu studiju kursa vielu un sagatavotos studiju kursa gala pārbaudījumam, studējošais veic sekojošas aktivitātes (obligātas, netiek vērtētas ar atzīmi): 1. Līdzdalība praktiskajās nodarbībās. Par katru kavēto nodarbību – prakstisks darba uzdevums. 2. Zinātniskās publikācijas mutiska prezentācija. 3. Patstāvīgā darba mutiska prezentācija. 1. semestra beigās ieskaite - praktiskais darbs ar datiem, kas tiek īstenots ar līdzdalību visās nodarbībās. Studiju kursa beigās eksāmens - vērtējums (atzīme) kumulatīvs: 50% – tests ar praktiskiem darba uzdevumiem, izmantojot datu bāzes, 50% – eksāmens (daudzatbilžu tests ar teorētiskiem un praktiskiem 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 padziļinātas zināšanas, kas ļaus: * atpazīt statistisko terminoloģiju un izmantotās slēdzienstatistikas metodes dažāda veida publikācijās; * pārzināt MS Excel un IBM SPSS piedāvātas iespējas datu ievadē un apstrādē; * pārzināt kritērijus un nosacījumus datu apstrādes metožu izmatošanai; * pareizi interpretēt dažādus statistiskos rādītājus. | ||||||||
| Prasmes: | Studiju kursa apguves rezultātā studenti spēs: * parādīt zināšanas, kas nepieciešamas, lai korekti sagatavotu un rediģētu datus datorprogrammās MS Excel un IBM SPSS; * apvienot teoriju un metodes, lai izvēlētos piemērotas datu apstrādes metodes, t.sk., statistisko hipotēžu pārbaudes, pielietojot gan slēdzienstatistikas metodes, gan analītiskās statistikas metodes; * veikt pētniecisko darbu, statistiski apstrādājot pētījuma datus, izmantojot IBM SPSS; * izveidot tabulas un diagrammas MS Excel un IBM SPSS programmās ar iegūtajiem rezultātiem; * patstāvīgi argumentēt un argumentēti skaidrot aspektus, aprakstot un interpretējot iegūtos pētījuma rezultātus. | ||||||||
| Kompetences: | Studiju kursa apguves rezultātā studenti būs spējīgi kritiski analizēt un izvērtēt pielietotās statistikas metodes zinātniskajās publikācijās, patstāvīgi pieņemt lēmumu par pētniecisko datu apstrādes metožu izvēli un izmantošanu pētījuma mērķa sasniegšanai un, izmantojot IBM SPSS programmatūru, praktiski pielietot apgūtās slēdzienstatistikas un analītiskās statistikas metodes pētījumu datu apstrādē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Statistics for Nursing: A Practical Approach: A Practical Approach by Elizabeth Heavey. Burlington, MA: Jones & Bartlett Learning, 2019. | ||||||||
| 2 | Andy Field. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018. | ||||||||
| 3 | Suresh. K. Sharma. Nursing Research and Statistics. Elsevier, 2nd edition, 2014. | ||||||||
