.
Biostatistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:4.00
Kursa apraksta apstiprināšanas datums:12.08.2022 11:18:18
| Par studiju kursu | |||||||||
| Kursa kods: | SL_014 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Rehabilitācija | ||||||
| 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) | 8 | Lekciju ilgums (akadēmiskās stundas) | 1 | Kopā lekciju kontaktstundas | 8 | ||||
| Nodarbības (skaits) | 8 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 16 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. Pamatzināšanas pētniecības metodēs. | ||||||||
| Mērķis: | Kursa mērķis ir sniegt studentiem vispārīgās statistikas un lietišķās matemātikas zināšanas un iemaņas, kas nepieciešamas, lai radītu izpratni par uz pierādījumiem balstītas medicīnas nozīmi uzturzinātnieka izglītībā. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads. Datu veidi, datnes izveide. Ievads IBM SPSS programmā. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 2 | Datu prezentācija. Aprakstošā statistika. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 3 | Statistisko hipotēžu pārbaude. Parametriskās metodes. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 4 | Statistisko hipotēžu pārbaude. Neparametriskās metodes. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 5 | Statistisko hipotēžu pārbaude. Kvalitatīvie dati. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 6 | Korelācijas analīze. Regresijas analīze. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 7 | Dzīvildzes analīze. Faktoru un klasteru analīze. | Lekcijas | 2.00 | datorklase | |||||
| 8 | Zinātniska raksta analīze. Pētījuma datu analīzes plāna projekts. | Nodarbības | 2.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. Individuālais darbs ar literatūru – sagatavošanās katrai nodarbībai atbilstoši tematiskajam plānam; 2. Patstāvīga zinātniskās publikācijas analīze. 3. Maģistra darba datu analīzes plāna projekta izstrāde. | ||||||||
| Vērtēšanas kritēriji: | Līdzdalība praktiskajās nodarbībās. Par katru kavēto nodarbību – tēmas kopsavilkums izmantojot norādīto literatūru (min. 1 A4 lapa). Studentu studiju kursā sasniegto rezultātu kopvērtējumu veido: • zinātniska raksta analīzes prezentācija: (30%); • maģistra darba datu analīzes plāna projekta izstrāde un prezentācija (20%); • noslēguma pārbaudījums, rakstisks eksāmens (tests): (50%). | ||||||||
| 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; * pārzinās kā 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 | |||||||||
| 1 | Teibe U. Bioloģiskā statistika. Rīga: LU 2007 - 156 lpp. (akceptējams izdevums) | ||||||||
| 2 | Barton, Belinda Peat, Jennifer. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal. 2014. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Field A. Discovering Statistics using IBM SPSS Statistics. 2018 | ||||||||
| 2 | Petrie A. & Sabin C. Medical Statistics at a Glance. 2020 | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | Latvijas Centrālā statistikas biroja dati adresē | ||||||||
| 2 | SPSS for Beginners. | ||||||||
