.
Veselības statistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:8.00
Kursa apraksta apstiprināšanas datums:17.06.2022 15:43:39
| Par studiju kursu | |||||||||
| Kursa kods: | SL_021 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Komunikācijas zinātne | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Diāna Kalniņa | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, A korpuss, Rīga, statistika rsu[pnkts]lv, +371 67060897 | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 7 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 14 | ||||
| Nodarbības (skaits) | 9 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 18 | ||||
| Kopā kontaktstundas | 32 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Pamatzināšanas matemātikā. | ||||||||
| Mērķis: | Veicināt zināšanu apguvi par galvenajiem veselības statistikā izmantotajiem jautājumiem, statistiskajiem rādītājiem un testiem. Veicināt izpratnes veidošanu par statistikas nozīmi pētījumu veikšanā un interpretācijā. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā. Statistikas loma pētījumu procesā. Ģenerālais kopums un izlase. Izlases lielums un struktūra. Datu veidi. Mērskalas. | Lekcijas | 2.00 | datorklase | |||||
| 2 | Iepazīšanās ar statistisko datu apstrādes programmu IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā. | Nodarbības | 2.00 | datorklase | |||||
| 3 | Aprakstošā statistika kvalitatīviem un kvantitatīviem datiem. Centrālās tendences, izkliedes un reprezentācijas rādītāji. Ticamības intervāls. | Lekcijas | 1.00 | datorklase | |||||
| 4 | Aprakstošās statistikas rādītāji IBM SPSS. Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Statistiskās hipotēzes. Hipotēžu pārbaudes iespējamās kļūdas. P-vērtība. | Lekcijas | 1.00 | datorklase | |||||
| 6 | Atkarīgas un neatkarīgas izlases. T-testi. | Lekcijas | 1.00 | datorklase | |||||
| 7 | Parametriskās datu apstrādes metodes kvantitatīvajiem datiem izmantojot IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 8 | Pētījumu rezultātu publicēšana un prezentēšana. | Lekcijas | 1.00 | datorklase | |||||
| 9 | Korelācijas analīze. Regresijas analīze. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 10 | Neparametriskās datu apstrādes metodes kvantitatīvajiem datiem izmantojot IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Seminārs "Publikāciju analīze". | Nodarbības | 1.00 | datorklase | |||||
| 12 | Noslēguma patstāvīgais darbs. | Nodarbības | 2.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Ārpus nodarbībām un lekcijām studējošie studē literatūru un e-studiju materiālus. Zinātnisku publikāciju analīze studiju kursa izpratnes padziļināšanai. | ||||||||
| Vērtēšanas kritēriji: | Studiju kursa noslēgumā studējošie patstāvīgi veic praktisko darbu. Kurss tiek ieskaitīts, ja praktiskā darba vērtējums ir vismaz 5 balles. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | 1. Korekti lietot statistiskos pamatjēdzienus. 2. Raksturot mērījumu datus izmantojot pamata statistiskos testus un rādītājus. | ||||||||
| Prasmes: | 1. Pratīs ievadīt datus apstrādes programmā. 2. Noteiks datu veidu un novērtēs to sadalījumu. 3. Pratīs formulēt hipotēzes (nulles; alternatīvo) un izvēlēties atbilstošo testu. 4. Pratīs aprēķināt regresijas vienādojuma koeficientus. 5. Pratīs aprēķināt Pīrsona un Spīrmena korelāciju koeficientu. 6. Pratīs uzzīmēt datus raksturojošas diagrammas. | ||||||||
| Kompetences: | Studējošie spēs izvēlēties piemērotas datu apstrādes statistiskās metodes, formulēt hipotēzes, apstrādāt datus un interpretēt iegūtos rezultātus. Novērtēt iegūtos datus, izmantojot statistikas un analīzes rīkus. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | K. Mārtinsone, A. Pipere, D. Kamerāde. Pētniecība: Teorija un prakse. Izdevniecība RaKa, 2016 | ||||||||
| 2 | Statistika. /Krastiņš O., Ciemiņa I./ Rīga: LR CSP, 2003. - 267 lpp. | ||||||||
| 3 | OpenIntro Statistics. 3rd ed, 2015, 436 lpp | ||||||||
| Papildu literatūra | |||||||||
| 1 | Varbūtību teorija un matemātiskā statistika /Vasermanis E., Šķiltere D./ Rīga, 2003. -186 lpp. | ||||||||
| 2 | SPSS statistics for social scientists /Acton, C., et al./ Basingstoke: Palgrave Macmillan, 2009. 363 lpp. | ||||||||
| 3 | Leavy. P. (ed). The Oxford Handbook of Qualitative Research. New York: Oxford University Press, 2014 | ||||||||
| 4 | Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: Пер. с нем. СПб.: ООО«DiaSoftЮП», 2005 | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | Choosing the Correct Statistic in SAS, STATA, SPSS and R | ||||||||
| 2 | Latvijas statistikas gadagrāmata, 2017. Rīga: Centrālā statistikas pārvalde, 2018., 550 lpp | ||||||||
| 3 | LR CSP mājas lapa | ||||||||
