Pārlekt uz galveno saturu

Īsumā par studiju kursu

Kredītpunkti / ECTS:2 / 3
Kursa vadītājs:Māris Munkevics
Studiju tips:Pilna laika
Līmenis:2. cikla (Maģistra)
Mērķauditorija:Dzīvās dabas zinātnes
Valoda:Angļu, Latviešu
Studiju kursa aprakstsPilns apraksts, Pilna laika
Zinātnes nozare:Matemātika; Varbūtību teorija un matemātiskā statistika

Mērķis

Kursa mērķis ir veidot studentu izpratni par atšķirību starp statistiskajiem modeļiem un cēloņsakarības modeļiem un zināšanas par metodoloģiju, kas ļauj novērtēt cēloņsakarību identificējamību konkrētam pētījumam, kā arī prasmes novērtēt cēloņsakarību parametrus, izmantojot dažus specifiskus analīzes rīkus.
Programmatūras pakotne „R” tiks izmantota praktiskajās nodarbībās ar datoriem, kur galvenokārt tiek izmantotas simulācijas metodes, lai pētītu alternatīvo metožu pamatotību. Studenti tiks iepazīstināti arī vairākām specializētām „R” pakotnēm cēloņsakarību secinājumiem.

Priekšzināšanas

• Pārzina varbūtību teoriju un matemātisko statistiku.
• Pamatzināšanas „R” programmatūrā.
• Pamatzināšanas par lineārajiem modeļiem un statistiskā novērtējuma metodēm.

Rezultāti

Zināšanas

Studējošais:
• salīdzinās atšķirību starp asociatīvajiem un cēlonības modeļiem, maldinošu faktoru problēmu un ideju par pielāgošanu un/vai standartizēšanu ar mērķi kontrolēt maldinošos faktorus;
• pārzinās novirzītu aciklisku grafiku terminoloģiju un īpašības, lai aprakstītu un novērtētu cēloņsakarību struktūras datos;
• uzskaitīs īpašās metodes cēloņsakarību novērtēšanai: noslieces rādītāju saskaņošana, apgrieztās varbūtības indeksācija, instrumentālo mainīgo novērtēšana;
• izskaidros cēloņu-starpniecības problēmas būtību, atšķirības starp tiešu un netiešu ietekmi.

Prasmes

Pēc kursa beigšanas studējošais spēs:
• izlemt, vai pētījums ļaus veikt aprēķinus ar tūlītēju cēlonības interpretāciju;
• uzskicēt cēlonības grafiku (DAG), lai saprastu un apspriestu interesējošās cēloņsakarības identificējamību;
• atlasīt piemērotu kovariātu kopu koriģēšanai regresijas analīzē;
• patstāvīgi izmantos specializētus rīkus (un attiecīgas „R” pakotnes) cēloņsakarību secinājumiem: noslieces rādītāju saskaņošana, apgrieztās varbūtības indeksācija, instrumentālo mainīgo novērtēšana;
• ziņos un rakstiski, mutiski prezentēs konstatējumus par datu analīzes rezultātu cēlonības interpretāciju.

Kompetences

• Studējošie būs kompetenti izprast un kritiski novērtēt publicētus pētījumus, kuru datu analīzē izmantoti apgalvojumi par cēlonību un/vai cēloņsakarību secinājumu metodes.
• Studējošie būs kompetenti pamatot cēloņsakarības, pamatojoties uz pētījuma plānu un pieejamiem datiem starpdisciplinārā pētniecības grupā.
• Studējošais, kurš sekmīgi nokārtojis kursu, spēj novērtēt (un paskaidrot), kas no šī ir attiecināms uz konkrēto pētījumu:
a) interesējošo cēloņsakarību var novērtēt ar standarta modelēšanas rīkiem (ar koriģēšanu, ņemot vērā maldinošos faktorus);
b) interesējošo cēloņsakarību var novērtēt ar īpašu cēloņsakarības secināšanas metodoloģiju;
c) interesējošo cēloņsakarību nevar noteikt;
a) un b) gadījumā studējošais būs kompetents veikt analīzi, un izplatīt jaunas zināšanas ar veselību saistītos pētījumos.

Plānojums

Plānošanas periods:2025. gada pavasara semestris
Studiju programmaStudiju semestrisProgrammas līmenisStudiju kursa kategorijaDocētājiGrafiks
Biostatistika, MFBS2MaģistrsObligāts