Veidlapa Nr. M-3 (8)

Kursa apraksta statuss: Apstiprināts

Kursa apraksta versija: 24/25.P.1.00

Kursa apraksta periods : 2024./25. akadēmiskā gada pavasara semestris

Kursa apraksta apstiprināšanas datums: -

Studiju kursa apraksts

Atkārtotu mērījumu un longitudinālo datu analīze

Studiju kursa pamatinformācija

Kursa kods
SL_113
Zinātnes nozare
Matemātika; Varbūtību teorija un matemātiskā statistika
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Dzīvās dabas zinātnes
LKI
7. līmenis
Studiju veids un forma
Pilna laika; Nepilna laika

Studiju kursa īstenotājs

Kursa vadītājs
Ziad Taib
Struktūrvienības vadītājs
Andrejs Ivanovs
Struktūrvienība
Statistikas mācību laboratorija
Kontaktinformācija

Baložu iela 14, Rīga, statistika@rsu.lv, +371 67060897

Par studiju kursu

Mērķis

Šis kurss sniedz zināšanas atkārtotu mērījumu jomā, kas ir kļuvuši par nepieciešamu rīku tādu datu analīzei, kas ietver, piemēram, gadījuma ietekmes, korelatīvus novērojumus un trūkstošus datus. Uzsvars tiek likts uz nepārtrauktiem garengriezuma datiem un uz to, kā izmantot „SAS” un „R”, lai modelētu un analizētu atkārtotus modeļus. Tomēr tiks apspriesti arī citi atkārtotu mērījumu veidi, piemēram, hierarhiskie modeļi. Šī kursa mērķis ir sniegt priekšstatu par un rīkus jaukto modeļu metodēm. Šādas metodes var izmantot dažādās situācijās, kurās iesaistīti korelatīvi dati, piemēram, garengriezuma datos, grupētos datos, atkārtotos mērījumos un hierarhiskā analīzē. Īsumā tiks apskatīti arī vispārinātie modeļi. Kursa mērķis ir iemācīt studentiem noformulēt jauktu modeli, definēt un interpretēt iespējamos novērtējumus un īstenot jaukta modeļa analīzi, piemēram, atkārtotu mērījumu pētījumā.

Priekšzināšanas

Zināšanas par dažiem matemātikas un statistikas pamatjēdzieniem un datorprasmes.

Studiju rezultāti

Zināšanas

1.Pēc kursa apgūšanas studējošie padziļināti pārzinās jauktos modeļus ar uzsvaru uz pielietojumu biomedicīnā atkārtotu mērījumu un garengriezuma datu apstrādei. Tas ietver „SAS” un „R” izmantošanu praktisko nodarbību laikā, lai analizētu reālus datus.

Prasmes

1.Studējošie spēs: • rakstīt un interpretēt jauktos modeļus dažādu pētījumu plānu garengriezuma datiem; • kritiski novērtēt un interpretēt jaukto modeļu un garengriezuma datu statistiskos secinājumus; • izvēlēties, pielietot un darboties ar jauktu modeļu statistisko programmatūru.

Kompetences

1.Pēc kursa nokārtošanas studējošais būs kompetents izmantot jaukto modeļu struktūru, kvalitatīvi aprakstīt un analizēt izplatītākos pētījumu veidus un modeļus ar garengriezuma datiem vai kā citādi saistītus novērojumus, veikt atbilstošu statistisko analīzi par kursā apskatītajiem modeļiem, izmantojot standarta programmatūru, jaunākās zinātnes atziņas, radošus un inovatīvus risinājumus dažādām mērķa grupām.

Vērtēšana

Patstāvīgais darbs

Virsraksts
% no gala vērtējuma
Vērtējums
1.
Patstāvīgais darbs
-
-
• Patstāvīgais darbs ar kursa materiālu un obligāto literatūru, gatavojoties 6 lekcijām pēc plāna. • 4 datorprojekti – individuāls darbs pāros ar datorā veicamiem uzdevumiem. Studējošie analizēs datus, lai izpildītu noteiktos uzdevumus ar kursa gaitā apgūtajiem jauktajiem modeļiem. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā.

Pārbaudījums

Virsraksts
% no gala vērtējuma
Vērtējums
1.
Pārbaudījums
-
-
Novērtējums 10 ballu skalā saskaņā ar RSU Studiju reglamentu: • Aktīva dalība lekcijās, uzdevumos un datorlaboratorijās – 20%. • Rakstisks gala pārbaudījums – 40%. • Referātu par obligātajiem 4 datorprojektiem sagatavošana – 40%.

Studiju kursa tēmu plāns

PILNA LAIKA
1. daļa

  1. Atkārtotu mērījumu datu un normālu jaukto modeļu definīcijas un ievads. Modeļa pielāgošana, novērtēšana un hipotēzes pārbaude.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
2

  1. Normāli jauktie modeļi: Beijesa pieeja nejaušības efektam. Programmatūra jauktu modeļu pielāgošanai: jauktu modeļu pielāgošanas pakotnes.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
2

  1. 1. laboratorijas darbs: Ievads „SAS” un „R” jauktajos modeļos, un novērtēšana un testēšana „SAS” un „R”.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
3

  1. Vispārinātie lineārie jauktie modeļi kategoriālajiem datiem.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
2

  1. 2. laboratorijas darbs: jauktā loģistiskā regresija.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
3

  1. Kovariācijas struktūras jauktiem modeļiem un izlases apjoma novērtēšana.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
2

  1. Trūkstoši dati un daudzkārtēja imputācija. Atlikumi un labākās atbilstības koeficients jauktajos modeļos.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
2

  1. 3. laboratorijas darbs: izlases apjoma novērtēšana, trūkstoši dati un daudzkārtēja imputācija.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
3

  1. Gadījuma koeficientu modeļi un atkārtošana / sagatavošanās eksāmenam.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
2

  1. 4. laboratorijas darbs: Gadījuma koeficientu modeļi.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
3
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
24 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
NEPILNA LAIKA
1. daļa

  1. Atkārtotu mērījumu datu un normālu jaukto modeļu definīcijas un ievads. Modeļa pielāgošana, novērtēšana un hipotēzes pārbaude.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
1

  1. Normāli jauktie modeļi: Beijesa pieeja nejaušības efektam. Programmatūra jauktu modeļu pielāgošanai: jauktu modeļu pielāgošanas pakotnes.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
1

  1. 1. laboratorijas darbs: Ievads „SAS” un „R” jauktajos modeļos, un novērtēšana un testēšana „SAS” un „R”.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
2

  1. Vispārinātie lineārie jauktie modeļi kategoriālajiem datiem.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
1

  1. 2. laboratorijas darbs: jauktā loģistiskā regresija.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
2

  1. Kovariācijas struktūras jauktiem modeļiem un izlases apjoma novērtēšana.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
1

  1. Trūkstoši dati un daudzkārtēja imputācija. Atlikumi un labākās atbilstības koeficients jauktajos modeļos.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
1

  1. 3. laboratorijas darbs: izlases apjoma novērtēšana, trūkstoši dati un daudzkārtēja imputācija.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
2

  1. Gadījuma koeficientu modeļi un atkārtošana / sagatavošanās eksāmenam.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Lekcija
Klātiene
Auditorija
1

  1. 4. laboratorijas darbs: Gadījuma koeficientu modeļi.

Notikuma veids
Modalitāte
Norises vieta
Kontaktstundas
1.
Nodarbība/Seminārs
Klātiene
Datorklase
2
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
14 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)

Bibliogrāfija

Obligātā literatūra

1.

Brown, H. and Prescott, R. Applied Mixed Models in Medicine. 3rd edition, 2015.

Papildu literatūra

1.

Verbeke, G. and Molenbergs, G. Linear mixed models for longitudinal. Springer Verlag, New York, 2008.

2.

Crawley, M. J. The R Book. 2nd edition. John Wiley&Sons, Ltd. 2013.

;