Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Biostatistikas pamati
Kursa kods
SL_013
Zinātnes nozare
Matemātika; Varbūtību teorija un matemātiskā statistika
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Rehabilitācija
LKI
6. līmenis
Studiju veids un forma
Pilna laika; Nepilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Ināra Kantāne
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
Iegūt pamatzināšanas un prasmes statistiskās datu apstrādes metodēs (aprakstošā statistikā un slēdzienstatistikas metodēs atšķirību novērtēšanai), kas nepieciešamas bakalaura darba izstrādei, zinātniskās literatūras analīzē un pētnieciskā darbā savā specialitātē.
Priekšzināšanas
Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā.
Studiju rezultāti
Zināšanas
1.Pēc studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus: * atpazīt statistisko terminoloģiju un izmantotās pamatmetodes dažāda veida publikācijās; * mācēt pielietot IBM SPSS Statistics piedāvātas iespējas datu apstrādē; * pārzināt kritērijus datu apstrādes metožu izmantošanai; * pareizi interpretēt iegūtos rezultātus.
Prasmes
1.Studiju kursa apguves rezultātā studenti pratīs: * ievadīt un rediģēt datus datorprogrammās Excel un IBM SPSS Statistics; * korekti sagatavot datus statistiskai apstrādei; * izvēlēties piemērotas datu apstrādes metodes, t.sk., spēs veikt statistisko hipotēžu pārbaudes, korelācijas analīzi; * statistiski apstrādāt pētījuma datus, izmantojot datorprogrammu IBM SPSS Statistics; * izveidot tabulas un diagrammas IBM SPSS Statistics datorprogrammās ar iegūtajiem rezultātiem; * korekti aprakstīt iegūtos pētījuma rezultātus.
Kompetences
1.Studiju kursa apguves rezultātā studenti būs spējīgi argumentēti pieņemt lēmumu par statistiskas datu apstrādes metožu izmantošanu pētījuma mērķa sasniegšanai un, izmantojot datorprogrammu IBM SPSS Statistics, praktiski pielietot apgūtās statistiskās pamatmetodes pētījumu datu apstrādē.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
-
|
|
1. Individuālais darbs ar literatūru, atbilstoši tematiskajam plānam. 2. Patstāvīga zinātniskās publikācijas analīze. 3. Noslēguma darbs – katram studentam tiks sagatavoti pētījuma datu fails (vai students var izmantot sava pētījuma datus) ar nodefinētiem pētījuma uzdevumiem. Studentam vajadzēs statistiski apstrādāt datus, lai sasniegtu nodefinētos uzdevumus, aprakstīt iegūtos rezultātus, prezentēt iegūtos rezultātus pēdējā nodarbībā. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā. |
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
10 balles
|
|
Līdzdalība praktiskajās nodarbībās. Par katru kavēto nodarbību jāizpilda pasniedzēja uzdotais prakstiskais darbs. Studiju kursa beigās: 1. Eksāmens (rakstisks), daudzatbilžu tests par kursā aplūkotām tēmām, kas sastāda 50% no gala vērtējuma. 2. Patstāvīgo darbu: noslēguma darba un zinātniskās publikācijas analīzes mutiska prezentācija, kas sastāda 50% no gala vērtējuma. |
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Aprakstošās statistikas rādītāju aprēķināšana IBM SPSS Statistics, to izmantošana un interpretācija.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Iepazīšanās ar datorprogrammu IBM SPSS Statistics. Pamatdarbības ar datiem IBM SPSS Statistics datorprogrammā.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Statistiskās hipotēzes, to veidi.
Hipotēžu pārbaude. P vērtība.
Atkarīgas un neatkarīgas izlases.
Parametriskās un neparametriskās datu apstrādes metodes.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Parametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Neatkarīgu un atkarīgu izlašu salīdzināšana (t testi, dispersijas analīze).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Neatkarīgu izlašu salīdzināšana (Manna-Vitnija U tests, Kruskola-Volisa tests).
Atkarīgu izlašu salīdzināšana (Vilkoksona zīmju tests, Frīdmana tests).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Kvalitatīvo datu apstrāde. Pīrsona hī kvadrāta tests, Fišera ekzaktais tests, Maknemāra tests.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Korelācijas analīze. Uzticamības (noturīguma) analīze. Skalas saskaņotības koeficients (Kronbaha Alfa).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Kopsavilkums, praktiskais darbs ar datiem. Zinātniskās publikācijas analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Patstāvīgais darbs ar datiem.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Noslēguma darba prezentācija.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
33 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
NEPILNA LAIKA
1. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Ievads statistikā, statistikas loma pētījuma procesā. Datu veidi, mērījumu skalas. Datu sagatavošana Excel.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Statistiskās hipotēzes, to veidi.
Hipotēžu pārbaude. P vērtība.
Atkarīgas un neatkarīgas izlases.
Parametriskās un neparametriskās datu apstrādes metodes.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Parametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Neatkarīgu un atkarīgu izlašu salīdzināšana (t testi, dispersijas analīze).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Neatkarīgu izlašu salīdzināšana (Manna-Vitnija U tests, Kruskola-Volisa tests).
Atkarīgu izlašu salīdzināšana (Vilkoksona zīmju tests, Frīdmana tests).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Kvalitatīvo datu apstrāde. Pīrsona hī kvadrāta tests, Fišera ekzaktais tests, Maknemāra tests.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Korelācijas analīze. Uzticamības (noturīguma) analīze. Skalas saskaņotības koeficients (Kronbaha Alfa).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Kopsavilkums, praktiskais darbs ar datiem. Zinātniskās publikācijas analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Noslēguma darba prezentācija.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
27 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
Bibliogrāfija
Obligātā literatūra
1.
Field A. Discovering Statistics using IBM SPSS Statistics. 2018.
2.
Petrie A. & Sabin C. Medical Statistics at a Glance. 4th edition, 2020.
3.
Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal. 2nd edition, 2014.
Papildu literatūra
1.
Teibe U. Bioloģiskā statistika. Rīga: LU 2007 - 156 lpp.