Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Statistika
Kursa kods
SL_017
Zinātnes nozare
Matemātika; Varbūtību teorija un matemātiskā statistika
Kredītpunkti (ECTS)
6,00
Mērķauditorija
Māszinības
LKI
7. līmenis
Studiju veids un forma
Pilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Madara Miķelsone
Struktūrvienības vadītājs
Andrejs Ivanovs
Struktūrvienība
Statistikas mācību laboratorija
Kontaktinformācija
Baložu iela 14, A kurpuss, Rīga, +371 67060897, statistika@rsu.lv, www.rsu.lv/statlab
Par studiju kursu
Mērķis
Iegūt padziļinātas zināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika, slēdzienstatistikas metodes atšķirību novērtēšanai un analītiskā statistika), kas nepieciešamas pētniecisko datu apstrādei noslēguma darbā un izvēlētajā specialitātē.
Priekšzināšanas
Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā.
Studiju rezultāti
Zināšanas
1.Pēc studiju kursa prasību izpildes studējošie būs apguvuši padziļinātas zināšanas, kas ļaus: * atpazīt statistisko terminoloģiju un izmantotās slēdzienstatistikas metodes dažāda veida publikācijās; * pārzināt MS Excel un IBM SPSS piedāvātas iespējas datu ievadē un apstrādē; * pārzināt kritērijus un nosacījumus datu apstrādes metožu izmatošanai; * pareizi interpretēt dažādus statistiskos rādītājus.
Prasmes
1.Studiju kursa apguves rezultātā studenti spēs: * parādīt zināšanas, kas nepieciešamas, lai korekti sagatavotu un rediģētu datus datorprogrammās MS Excel un IBM SPSS; * apvienot teoriju un metodes, lai izvēlētos piemērotas datu apstrādes metodes, t.sk., statistisko hipotēžu pārbaudes, pielietojot gan slēdzienstatistikas metodes, gan analītiskās statistikas metodes; * veikt pētniecisko darbu, statistiski apstrādājot pētījuma datus, izmantojot IBM SPSS; * izveidot tabulas un diagrammas MS Excel un IBM SPSS programmās ar iegūtajiem rezultātiem; * patstāvīgi argumentēt un argumentēti skaidrot aspektus, aprakstot un interpretējot iegūtos pētījuma rezultātus.
Kompetences
1.Studiju kursa apguves rezultātā studenti būs spējīgi kritiski analizēt un izvērtēt pielietotās statistikas metodes zinātniskajās publikācijās, patstāvīgi pieņemt lēmumu par pētniecisko datu apstrādes metožu izvēli un izmantošanu pētījuma mērķa sasniegšanai un, izmantojot IBM SPSS programmatūru, praktiski pielietot apgūtās slēdzienstatistikas un analītiskās statistikas metodes pētījumu datu apstrādē.
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. Patstāvīgais darbs – katram studentam tiks sagatavots pētījuma datu fails (vai students var izmantot sava pētījuma datus) ar nodefinētiem pētījuma uzdevumiem – vajadzēs statistiski apstrādāt datus, lai sasniegtu nodefinētos uzdevumus, izmantojot aprakstošās statistikas metodes, slēdzienstatistikas un/vai analītiskās statistikas metodes un prezentēt iegūtos rezultātus pēdējā nodarbībā.
|
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
-
|
|
Lai sekmīgi apgūtu studiju kursa vielu un sagatavotos studiju kursa gala pārbaudījumam, studējošais veic sekojošas aktivitātes (obligātas, netiek vērtētas ar atzīmi): 1. Līdzdalība praktiskajās nodarbībās. Par katru kavēto nodarbību – prakstisks darba uzdevums. 2. Zinātniskās publikācijas mutiska prezentācija. 3. Patstāvīgā darba mutiska prezentācija. 1. semestra beigās ieskaite - praktiskais darbs ar datiem, kas tiek īstenots ar līdzdalību visās nodarbībās. Studiju kursa beigās eksāmens - vērtējums (atzīme) kumulatīvs: 50% – tests ar praktiskiem darba uzdevumiem, izmantojot datu bāzes, 50% – eksāmens (daudzatbilžu tests ar teorētiskiem un praktiskiem jautājumiem statistikā).
|
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Ievads statistikā, statistikas loma pētījuma procesā.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu veidi, mērskalas, datu ievade, datu sagatavošana MS Excel.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Iepazīšanās ar IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Aprakstošās statistikas rādītāji MS Excel un IBM SPSS.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Aprakstošās statistikas rādītāji MS Excel un IBM SPSS.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Tabulu un diagrammu veidošana, to atbilstoša noformēšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistiskās hipotēzes, to veidi.
Hipotēžu pārbaude. P vērtība.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Parametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Atkarīgu un neatkarīgu izlašu salīdzināšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Parametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Atkarīgu un neatkarīgu izlašu salīdzināšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Neatkarīgu un atkarīgu izlašu salīdzināšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Neparametriskas datu apstrādes metodes kvantitatīvajiem datiem.
Neatkarīgu un atkarīgu izlašu salīdzināšana.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
24 ak. st.
Gala pārbaudījums:
Ieskaite (Semestra)
2. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Kvalitatīvo datu apstrāde. Atkarīgas un neatkarīgas izlases.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Uzticamības analīze. Skalas saskaņotības koeficients (Kronbaha Alfa).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze (Lineārā regresija).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze (Lineārā regresija).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas analīze (Binārā loģistiskā regresija).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas analīze (Binārā loģistiskā regresija).
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Zinātnisko publikāciju analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Zinātnisko publikāciju analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Patstāvīgā darba prezentācija.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Patstāvīgais darbs ar datiem IBM SPSS.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Patstāvīgais darbs ar datiem IBM SPSS.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
24 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
Bibliogrāfija
Obligātā literatūra
1.
Statistics for Nursing: A Practical Approach: A Practical Approach by Elizabeth Heavey. Burlington, MA: Jones & Bartlett Learning, 2019.
2.
Andy Field. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018.
3.
Suresh. K. Sharma. Nursing Research and Statistics. Elsevier, 2nd edition, 2014.