Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Neparametriskās statistikas metodes
Kursa kods
SL_128
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
Maksims Zolovs
Struktūrvienības vadītājs
Andrejs Ivanovs
Struktūrvienība
Statistikas mācību laboratorija
Kontaktinformācija
Baložu iela 14, Rīga, statistika@rsu.lv, +371 67060897
Par studiju kursu
Mērķis
Kursa mērķis ir sniegt studējošajiem padziļinātas zināšanas par matemātiskās statistikas neparametriskajām metodēm. Biostatistikā ir ierasts, ka izlases ir mazas un datu normalitāte ir apšaubāma. Turklāt klasiskajā t-testā un dispersijas analīzē papildus ir nepieciešami homogenitātes nosacījums, kas bieži netiek ievērots. Šajās situācijās bieži izmanto neparametriskas procedūras. Arī klasiskajai lineārajai regresijai ir nepieciešams pieņēmums par normalitāti, un tā aprobežojas tikai ar lineārās atkarības aprakstīšanu. Neparametriski izlīdzināšanas paņēmieni ļauj ļoti vispārīgi novērtēt regresijas funkciju. Atlases atkārtošanas metodes ir populāras, jo īpaši ticamības intervālu noteikšanai. Aprēķiniem un gadījumu izpētei tiks izmantota "Jamovi" un "R” programmatūras pakotne.
Priekšzināšanas
• Pārzina varbūtību teoriju un matemātisko statistiku.
• Nepieciešamas pamatzināšanas "Jamovi" un "R”.
Studiju rezultāti
Zināšanas
1.• izprot neparametriskās statistiskas procedūru jēdzienus un procedūras un spēj tās definēt; • pārzina un prot "Jamovi" un „R” programmā izvēlēties neparametriskas statistiskas procedūras.
Prasmes
1.• veic neparametrisku testēšanu "Jamovi" un „R” un interpretē rezultātus; • prot pielietot atkārtotas izlases veidošanas metodes.
Kompetences
1.• izprot un atbalsta standarta statistikas metodēs izdarīto pieņēmumu nozīmi; • spēj pamatoti izvēlēties parametriskas un neparametriskas procedūras praktiskai datu analīzei, parādīt izpratni un ētisko atbildību par zinātnes rezultātu iespējamo ietekmi uz vidi un sabiedrību; • patstāvīgi izstrādā pareizu statistisko modeli, kritiski interpretē un prezentē iegūtos rezultātus, ja nepiecešams, veic papildu analīzi.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
-
|
|
1. Literatūras izpēte, atbilstoši katras lekcijas tēmai pēc kursa plāna.
2. Patstāvīga mājasdarbu izpilde, praktizējot kursā apgūtās koncepcijas.
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:
• 2 Patstāvīgi izpildīti mājasdarbi – 50%.
• Apmeklētība un aktīva iesaiste praktisko nodarbību laikā – 25%.
• Rakstisks gala eksāmens – 25%.
|
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Neparametriskās statistikas pamatjēdzieni: definīcijas un piemēri. Normalitātes un citu pieņēmumu pārbaude klasiskajām parametriskajām procedūrām. Datu transformācijas.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Normalitātes, homogenitātes un citu pieņēmumu pārbaude klasiskās statistikas procedūrās, izmantojot simulētas un reālas datu kopas "Jamovi" un "R”.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Klasiskie neparametriskie testi: pamatjēdzieni. Zīmju tests un Vilkoksona tests vienas izlases gadījumam.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
T-testa, zīmju testa un Vilkoksona testa salīdzinājums vienas izlases gadījumam "Jamovi" un "R”. Ticamības procedūras un jaudas modelēšana.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Vilkoksona rangu summas tests un Vilkoksona rangu zīmju tests divu izlašu gadījumā.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Vilkoksona rangu summas tests un Vilkoksona rangu zīmju testi "Jamovi" un "R”.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Neparametriskas vienfaktoa un divfaktoru dispersijas analīzes. Frīdmana un Kruskala–Volisa testi. Aposteriorās procedūras.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu kopas analīze "Jamovi" un "R” programmā, izmantojot gan parametriskas, gan neparametriskas dispersijas analīzes procedūras.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Neparametriskie korelācijas testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu kopu analīze – grupu salīdzināšana un korelācijas "Jamovi" un "R".
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Generalized Linear models regresijas testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas modeļu veidošanas prakse "Jamovi" un "R".
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Generalized Linear mixed models regresijas testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas modeļu veidošanas prakse "Jamovi" un "R".
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
28 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
NEPILNA LAIKA
1. daļa
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Neparametriskās statistikas pamatjēdzieni: definīcijas un piemēri. Normalitātes un citu pieņēmumu pārbaude klasiskajām parametriskajām procedūrām. Datu transformācijas.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Normalitātes, homogenitātes un citu pieņēmumu pārbaude klasiskās statistikas procedūrās, izmantojot simulētas un reālas datu kopas "Jamovi" un "R”.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Klasiskie neparametriskie testi: pamatjēdzieni. Zīmju tests un Vilkoksona tests vienas izlases gadījumam.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
T-testa, zīmju testa un Vilkoksona testa salīdzinājums vienas izlases gadījumam "Jamovi" un "R”. Ticamības procedūras un jaudas modelēšana.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Vilkoksona rangu summas tests un Vilkoksona rangu zīmju tests divu izlašu gadījumā.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Vilkoksona rangu summas tests un Vilkoksona rangu zīmju testi "Jamovi" un "R”.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Neparametriskas vienfaktoa un divfaktoru dispersijas analīzes. Frīdmana un Kruskala–Volisa testi. Aposteriorās procedūras.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu kopas analīze "Jamovi" un "R” programmā, izmantojot gan parametriskas, gan neparametriskas dispersijas analīzes procedūras.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Neparametriskie korelācijas testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu kopu analīze – grupu salīdzināšana un korelācijas "Jamovi" un "R".
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Generalized Linear models regresijas testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas modeļu veidošanas prakse "Jamovi" un "R".
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
1
|
Tēmas
|
Generalized Linear mixed models regresijas testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas modeļu veidošanas prakse "Jamovi" un "R".
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
21 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
Bibliogrāfija
Obligātā literatūra
1.
Lehmann, Erich Leo, and Howard J. D'Abrera. Nonparametrics: statistical methods based on ranks. Holden-Day. 1975.
2.
Wasserman, Larry. All of nonparametric statistics. Springer Science & Business Media. 2006.
Papildu literatūra
1.
Agresti, A., Franklin, C. A. Statistics: The Art and Science of Learning from Data. (3rd ed.). Pearson Education. 2013.
2.
Chan, Bertram KC. Biostatistics for epidemiology and public health using R. Springer Publishing Company. 2015.
3.
DasGupta, Anirban. Asymptotic theory of statistics and probability. Springer Science & Business Media. 2008.