Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Biostatistika
Kursa kods
SL_007
Zinātnes nozare
Matemātika
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Klīniskā farmācija
LKI
7. 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, Rīga, +371 67060897, statistika@rsu.lv, www.rsu.lv/statlab
Par studiju kursu
Mērķis
Nodrošināt studentiem iespēju iegūt pamatzināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika, slēdzienstatistikas metodes atšķirību novērtēšanai un analītiska statistika), kas nepieciešamas zinātniski pētnieciskā darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē.
Priekšzināšanas
Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā.
Studiju rezultāti
Zināšanas
1.Pēc sekmīgas studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus: Korekti lietot statistiskos pamatjēdzienus; Raksturot mērījumu un anketu datus, izmantojot statistiskos rādītājus un datu vizualizāciju.
Prasmes
1.Pratīs definēt statistikas pamattestu hipotēzes; Pratīs uzzīmēt normālsadalījumu un aprēķināt tā galvenos raksturojošos parametrus; Pratīs aprēķināt Pīrsona un Spīrmena korelāciju koeficientus; Pratīs aprēķināt un analizēt regresijas vienādojumu; Pratīs aprēķināt neatkarīgo un atkarīgo izlašu t-testus; Pratīs veikt Pīrsona hī kvadrāta un Fišera eksakto testu; Pratīs lietot apstrādes programmu IBM SPSS datu apstrādei un vizualizācijai; Pratīs novērtēt kvantitatīvo datu atbilstību normālsadalījuma esamībai; Pratīs veikt dispersiju analīzi (ANOVA); Pratīs veikt neparametriskos testus – Manna-Vitnija, Vilkoksona, Frīdmena un Kruskala-Vallisa; Pratīs veikt Kaplana-Meijera izdzīvotības analīzi; Pratīs darboties IBM SPSS datorprogrammas vidē ar datu atlasi un veikt nepieciešamos aprēķinus; Pratīs formulēt nepieciešamos analīzes statistiskos testus; analizēt savus iegūtos datus; spēs tos adekvāti apstrādāt un izdarīt izrietošus un pamatotus secinājumus.
Kompetences
1.Studiju kursa apguves rezultātā studenti būs spējīgi patstāvīgi veikt pamatdarbības IBM SPSS vidē, veicot datu apstrādi, vizualizāciju un nepieciešamos aprēķinus.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
-
|
|
1. Individuālais darbs ar literatūru – sagatavošanās katrai nodarbībai atbilstoši tematiskajam plānam. 2. Patstāvīga zinātniskās publikācijas analīze. 3. Noslēguma darbs – katram studentam tiks sagatavota pētījuma datne (students var izmantot sava pētījuma datus) ar definētiem pētījuma uzdevumiem. Studentam vajadzēs statistiski apstrādāt datus, atbilstoši uzdevumiem, aprakstīt iegūtos rezultātus noslēguma darbā, noformēt darbu atbilstoši prasībām. 4. Divi patstāvīgie darbi par nodarbības tēmām - aprakstošā statistika un datu analīzē izmantotie statistiskie testi. |
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
10 balles
|
|
Līdzdalība praktiskajās nodarbībās. Apgūto statistisko terminu un metožu praktiskā pielietojuma pārbaude. Lai saņemtu sekmīgu vērtējumu: 1. Daudzatbilžu tests ar teorētiskiem jautājumiem statistikā – 30%, 2. Zinātniskās publikācijas analīzes mutiska prezentācija – 10%, 3. Noslēguma darbs ar datiem – 40%, 4. Patstāvīgais darbs par aprakstošo statistiku - 10%, 5. Patstāvīgais darbs par datu analīzes testiem - 10%. |
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Ievads statistikā, statistikas loma klīniskajos pētījumos.
Datu veidi, mērskalas. Datu ievade, datu pārbaude un datnes sagatavošana MS Excel un SPSS.
Iepazīšanās ar IBM SPSS.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Aprakstošās statistikas rādītāji kvalitatīviem un kvantitatīviem datiem.
Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji.
Tabulu un diagrammu veidošana, to atbilstoša noformēšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Hipotēžu pārbaudes. Parametriskie un neparametriskie testi kvantitatīvajiem datiem.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Hipotēžu pārbaude. Kvalitatīvo datu testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Korelācijas un regresijas analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Regresijas analīze. ROC līknes. Dzīvildzes analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Izlases apjoma aprēķināšana (t.sk. klīniskajos) pētījumos.
Zinātniskās publikācijas analīzes prezentācija.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Patstāvīgais darbs ar datiem.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
24 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
Bibliogrāfija
Obligātā literatūra
1.
Teibe U. Bioloģiskā statistika. Rīga: LU Akadēmiskais apgāds, 2007, p 155. (akceptējams izdevums)
2.
Field A. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018.
Papildu literatūra
1.
Altman D. Practical Statistics for Medical Research. Chapman & Hall, 1999, pp. 612.