Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Matemātiskās statistikas metodes veselības zinātnēs II
Kursa kods
SL_044
Zinātnes nozare
Matemātika; Varbūtību teorija un matemātiskā statistika
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Ārstniecība; Farmācija
LKI
8. līmenis
Studiju veids un forma
Pilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Māra Grēve
Struktūrvienības vadītājs
Andrejs Ivanovs
Struktūrvienība
Statistikas mācību laboratorija
Kontaktinformācija
Baložu iela 14, A korpuss, Rīga, +371 67060897, statistika@rsu.lv, www.rsu.lv/statlab
Par studiju kursu
Mērķis
Sniegt padziļinātas zināšanas par veselības zinātnēs biežāk izmantotajām statistikas metodēm un dot izpratni par korektu rezultātu pierakstu formu.
Priekšzināšanas
Sekmīgi nokārtots kurss “Matemātiskās statistikas metodes veselības zinātnēs I”.
Studiju rezultāti
Zināšanas
1.Pēc sekmīgas studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus: atpazīt atšķirīgu datu statistiskās analīzes principu izmantošanas iespējas; raksturot analīzes rezultātus, izmantojot statistiskos rādītājus.
Prasmes
1.Studiju kursa apguves rezultātā studējošie pratīs: kombinēt dažādas statistiskās datu apstrādes metodes korekta slēdziena veikšanai; izmantot piemērotus statistiskās analīzes atspoguļošanas līdzekļus rezultātu aprakstā.
Kompetences
1.Studiju kursa apguves rezultātā studējošie spēs pamatot metožu izvēli datu statistiskās analīzes veikšanai, kritiski izvērtēt zinātniskajās publikācijās sniegto rezultāta pieraksta formas kvalitāti.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
-
|
|
1. Papildināt zināšanas par statistikas metodēm atbilstoši lekciju un nodarbību plānam, izmantojot obligāto literatūru.
2. Iepazīties ar statistikas testu rezultātu pieraksta piemēriem specifikai atbilstošās brīvpieejas zinātniskajās publikācijās.
3. Atpazīt nodarbībās apspriestās datu analīzes situācijas sava pētījuma datos.
|
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
-
|
|
Atrisināti uzdevumi strādājot individuāli vai grupās (100%).
|
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
4
|
Tēmas
|
Korelācijas un asociācijas analīze. Ieskats regresijas analīzē. Atšķirības starp divām metodem.
Apraksts
Anotācija: Nodarbības laikā tiks aplūkotas datu analīzes metožu izvēles vadlīnijas, kā arī problēmjautājumi, kas saistīti ar aprakstošās statistikas izvēli, atspoguļošanu un datu vizualizāciju. Iegūtas zināšanas tiks nostiprinātas praksē, izmantojot IBM SPSS Statistics vai R.
Nodarbības jautājumi: 1. Statistikā izmantotās datu apstrādes metodes: kopsavilkums.
2. Aprakstošās statistikas problēmjautājumi.
3. Datu vizualizācijas problēmjautājumi.
Literatūra: 1. Mishra, P., Pandey, C. M., Singh, U., Keshri, A., and Sabaretnam, M. 2019. Selection of Appropriate Statistical Methods for Data Analysis. Annals of Cardiac Anaesthesia. 22(3): 297–301. DOI: 10.4103/aca.ACA_248_18
2. Mishra, P., Pandey, C. M., Singh, U. and Gupta, A. 2018. Scales of Measurement and Presentation of Statistical Data. Ann Card Anaesth. 21(4): 419–422. DOI: 10.4103/aca.ACA_131_18
3. Spriestersbach, A., Röhrig, B., du Prel, J-B., Gerhold-Ay, A., and Blettner, M. 2009. Descriptive Statistics. The Specification of Statistical Measures and Their Presentation in Tables and Graphs. Part 7 of a Series on Evaluation of Scientific Publications. Dtsch Arztebl Int. 106(36): 578–583. DOI: 10.3238/arztebl.2009.0578
4. Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2019. ISBN: 978-1-119-16781-5
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
4
|
Tēmas
|
Praktisko uzdevumu risināšana. Kā orientēties statistiskos testos? Pētījuma jautajuma formalizēšana.
Apraksts
Anotācija: Nodarbība tiks veltīta problēmjautājumiem, kas saistīti ar slēdzienstatistiku: p-vērtību interpretēšanai, statistiskās analīzes testu izvēlei un rezultātu interpretēšanai, kombinējot aprakstošo statistiku un slēdzienstatistiku. Iegūtās zināšanas tiks nostiprinātas praksē, izmantojot IBM SPSS Statistics vai R. Tiks apskatīti korekta statistiskas testu rezultātu pieraksta principi.
Nodarbības jautājumi: 1. Aprakstošās statistikas papildināšana ar slēdzienstatistiku kvalitatīviem datiem: problēmjautājumi.
2. Aprakstošās statistikas papildināšana ar slēdzienstatistiku kvantitatīviem datiem: problēmjautājumi.
3. Korekti izmantoto statistiskas testu rezultātu pieraksta principi.
Literatūra: 1. Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, Sage Publications, 2013. ISBN-13: 978-1446249185
2. Torgo L. Data Mining with R: Learning with Case Studies, 2nd edition. Chapman and Hall/CRC, 2020. ISBN: 9780367573980
3. Amrhein, V., Greenland, S., McShane, B. 2019. Scientists rise up against statistical significance. Nature. 567(7748):305-307. DOI: 10.1038/d41586-019-00857-9.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
4
|
Tēmas
|
Ievads kovariācijas analīzes teorija un praktika (ANCOVA un daļēja korelācija)
Apraksts
Anotācija: Nodarbības laikā tiks apskatītas biežāk izmantotās regresijas analīzes metodes veselības zinātnē – to veidi, priekšrocības, izmantošanas iespējas, priekšnosacījumu pārbaude un rezultātu skaidrojums. Iegūtās zināšanas tiks nostiprinātas praksē, izmantojot IBM SPSS Statistics vai R.
Nodarbības jautājumi: 1. Regresijas analīzes veidi un izmantošanas iespējas.
2. Priekšnosacījumu pārbaude.
3. Piemēru rezultātu skaidrojumi.
Literatūra: 1. Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, Sage Publications, 2013. ISBN-13: 978-1446249185
2. Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2019. ISBN: 978-1-119-16781-5
3. Sperandei, S. 2014. Understanding logistic regression analysis. Biochem Med (Zagreb). 24(1): 12–18. DOI: 10.11613/BM.2014.003
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
4
|
Tēmas
|
Pētījuma dizaina izstrāde balstoties uz datu analīzes metodem. Praktisko uzdevumi risināšana individuāli un grupās. Darbs ar studentu datiem vai datubāzem.
Apraksts
Anotācija: Nodarbība tiks veltīta dzīvildzes analīzes un Koksa regresijas metožu apguvei: to priekšrocībām, izmantošanas iespējām, priekšnosacījumu pārbaudei un rezultātu skaidrojumam. Iegūtās zināšanas tiks nostiprinātas praksē, izmantojot IBM SPSS Statistics vai R.
Nodarbības jautājumi: 1. Dzīvildzes analīzes un Koksa regresijas priekšrocības.
2. Priekšnosacījumu pārbaude.
3. Piemēru rezultātu skaidrojumi.
Literatūra: 1. Zwiener, I., Blettner, M. and Hommel, G. 2011. Survival Analysis. Part 15 of a Series on Evaluation of Scientific Publications. Dtsch Arztebl Int. 108(10): 163–169. DOI: 10.3238/arztebl.2011.0163
2. Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2019. ISBN: 978-1-119-16781-5
3. Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal, 2nd edition, John Wiley & Sons, 2014. ISBN-13: 978-1118589939
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
16 ak. st.
Gala pārbaudījums:
Eksāmens
Bibliogrāfija
Obligātā literatūra
1.
Petrie, A., Sabin, C. Medical Statistics at a Glance. 4th edition, Wiley-Blackwell, 2020.Piemērots angļu valodas plūsmai
2.
Peat, J., Barton, B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal. 2nd edition, John Wiley & Sons, 2014. (jaunāks izdevums nav iznācis)Piemērots angļu valodas plūsmai
3.
Field, A. Discovering Statistics using IBM SPSS Statistics. Sage Publications, 2024.Piemērots angļu valodas plūsmai
4.
Torgo, L. Data Mining with R: Learning with Case Studies. 2nd edition. Chapman and Hall/CRC, 2020.Piemērots angļu valodas plūsmai
Papildu literatūra
1.
Mishra, P., Pandey, C. M., Singh, U., Keshri, A., and Sabaretnam, M. 2019. Selection of Appropriate Statistical Methods for Data Analysis. Annals of Cardiac Anaesthesia. 22(3): 297–301. DOI: 10.4103/aca.ACA_248_18Piemērots angļu valodas plūsmai
2.
Mishra, P., Pandey, C. M., Singh, U. and Gupta, A. 2018. Scales of Measurement and Presentation of Statistical Data. Ann Card Anaesth. 21(4): 419–422. DOI: 10.4103/aca.ACA_131_18Piemērots angļu valodas plūsmai
3.
Spriestersbach, A., Röhrig, B., du Prel, J-B., Gerhold-Ay, A., and Blettner, M. 2009. Descriptive Statistics. The Specification of Statistical Measures and Their Presentation in Tables and Graphs. Part 7 of a Series on Evaluation of Scientific Publications. Dtsch Arztebl Int. 106(36): 578–583. DOI: 10.3238/arztebl.2009.0578Piemērots angļu valodas plūsmai
4.
Sperandei, S. 2014. Understanding logistic regression analysis. Biochem Med (Zagreb). 24(1): 12–18. DOI: 10.11613/BM.2014.003Piemērots angļu valodas plūsmai
5.
Amrhein, V., Greenland, S., McShane, B. 2019. Scientists rise up against statistical significance. Nature. 567(7748):305-307. DOI: 10.1038/d41586-019-00857-9Piemērots angļu valodas plūsmai
6.
Zwiener, I., Blettner, M. and Hommel, G. 2011. Survival Analysis. Part 15 of a Series on Evaluation of Scientific Publications. Dtsch Arztebl Int. 108(10): 163–169. DOI: 10.3238/arztebl.2011.0163Piemērots angļu valodas plūsmai
Citi informācijas avoti
1.
Laerd statistics.Piemērots angļu valodas plūsmai
2.
Praktiskā biometrija.
3.
Statistics How To.Piemērots angļu valodas plūsmai