| Kursa nosaukums | Matemātiskā statistika |
| Kursa kods | Mate2033 |
| Zinātnes nozare | Matemātika |
| Zinātnes apakšnozare | Varbūtību teorija un matemātiskā statistika |
| Kredītpunkti (ECTS) | 3 |
| Kopējais stundu skaits kursā | 81 |
| Lekciju stundu skaits | 16 |
| Semināru un praktisko darbu stundu skaits | 16 |
| Studenta patstāvīgā darba stundu skaits | 49 |
| Kursa apstiprinājuma datums | 18/10/2022 |
| Atbildīgā struktūrvienība | Datoru sistēmu un datu zinātnes institūts |
| Kursa izstrādātājs(-i) | |
| Mg. oec., pasn. Ilva Rudusa |
|
| Priekšzināšanas Kursam priekšzināšanas nav nepieciešamas |
|
| Kursa anotācija | |
| Kursa mērķis ir veidot studentiem teorētisku izpratni par varbūtību teorijas un matemātiskās statistikas pamatjēdzieniem ar praktisku pielietojumu demonstrējumiem. Galvenais uzsvars likts uz praktisko pētījumu nostādnēm, aprēķinu starprezultātu un gala rezultātu profesionālu novērtēšanu un interpretāciju. Šajā kursā liela vērība tiek veltīta varbūtību sadalījumiem un to raksturotājiem, gadījuma lielumiem inženierzinātnēs. | |
| Kursa rezultāti un to vērtēšana | |
| Zināšanas - spēj parādīt matemātikas nozarei raksturīgās pamata un specializētas zināšanas un šo zināšanu kritisku izpratni; spēj parādīt izpratni par varbūtību sadalījumiem un to raksturotājiem, gadījuma lielumiem inženierzinātnēs; (laboratorijas darbs) Prasmes - izmantojot apgūtos teorētiskos pamatus un prasmes, prot formulēt un analītiski aprakstīt informāciju, problēmas un risinājumus matemātiskās statistikas zinātnes nozarē, tos izskaidrot un argumentēti diskutēt par tiem gan ar speciālistiem, gan ar nespeciālistiem un izmantot brīvi pieejamo programmu R datu apstrādē (laboratorijas darbi). Kompetences - spēj patstāvīgi iegūt, atlasīt un analizēt informāciju un to izmantot, pieņemt lēmumus un risināt problēmas matemātiskā statistikā; spēj veikt praktiskus pētījumus, analizēt starprezultātu, profesionāli novērtēt un interpretēt gala rezultātu. (patstāvīgais darbs) | |
| Kursa saturs(kalendārs) | |
| 1. Varbūtības teorijas pamatjēdzieni. Varbūtības definīcijas (klasiskā, statistiskā) (2 h).
2. Vienkāršākās darbības ar varbūtībām. (2 h). 3. Pilnās varbūtības un Beiesa formulas. (4 h). 4. Gadījuma lielumi (2 h). 5. Gadījuma lielumu skaitliskie raksturotāji. (2h). 6. Diskrētu un nepārtrauktu gadījuma lielumu sadalījumi un to skaitliskie raksturotāji. (Binomiālais, Puasona,un Normālais sadalījums) (4 h). 7. Statistikas pielietošana zinātniski-pētnieciskajā darbā (2 h). 8. 1. Kontroldarbs (1h) 9. Aprakstošā statistika. (2 h). 10. Hipotēžu pārbaude (2 h). 11. Parametriskās divu paraugkopu analīzes metodes (4 h). 12. Neparametriskās divu paraugkopu analīzes metodes (4 h). 13. 2. kontroldarbs (1h) |
|
| Prasības kredītpunktu iegūšanai | |
| Ieskaite ar atzīmi
izpildīti un ieskaitīti laboratorijas darbi; uzrakstīti divi kontroldarbi |
|
| Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums | |
| Semestra laikā studējošie patstāvīgi risina uzdevumus. Rezultātus noformē rakstiski un iesniedz e- studiju vidē. | |
| Studiju rezultātu vērtēšanas kritēriji | |
| 1.kontroldarbs (5 balles)
2.kontroldarbs (5 balles) Katrā no kontroldarbiem jāiegūst vismaz 2 balles |
|
| Obligātā literatūra | |
| 1.Arhipova I. Varbūtību teorijas un matemātiskās statistikas pielietojumi inženierzinātnēs: mācību līdzeklis. Jelgava: LLU, 2008. 125 lpp.
2.Buiķis M., Carkovs I., Siliņa B. Varbūtību teorijas un statistikas elementi. Rīga: Zvaigzne ABC, 1997. 107 lpp. 3.Krastiņš O., Ciemiņa I. Matemātiskā statistika: mācību grāmata. Rīga: LR Centrālā statistikas pārvalde, 2003. 267 lpp. 4. Hahn Gerald J., Shapiro Samuel S. Statistical Models in Engineering. A Wiley-Interscience Publication. John Wiley & Sons: INC, 1994. 560 p. 5. Robert I. Kabacoff R in Action Data analysis and graphics with R, Manning Publications. Co, 2015, 450 p |
|
| Papildliteratūra | |
| 1.Levine D. M., Ramsey P. P., Smitd R. K. Applied statistics for Engineers and Scientist: Using Microsoft Excel and MINITAB. Upper Saddle River, New Jersey: Prentice Hall, 2001. 671 p. 2.Sprent P., Smeeton N.C. Applied nonparametric statistical methods. Boca Raton, London, New York, Washington D.C.: Chapman Hall/CRC, 2000. 461 p. | |
| Piezīmes | |
| Profesionālā bakalaura studiju programma “Informācijas tehnoloģijas ilgtspējīgai attīstībai” un akadēmiskā bakalaura studiju programma “Datorvadība un datorzinātne” | |