Kursa kods Ekon6034

Kredītpunkti 3

Matemātiskā statistika

Zinātnes nozareEkonomika un uzņēmējdarbība

Kopējais stundu skaits kursā81

Lekciju stundu skaits12

Semināru un praktisko darbu stundu skaits12

Studenta patstāvīgā darba stundu skaits57

Kursa apstiprinājuma datums04.09.2019

Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts

Kursa izstrādātājs

author prof.

Līga Paura

Dr. agr.

Kursa anotācija

Maģistranti apgūst parametriskās un neparametriskās datu apstrādes metodes, parametrisko un neparametrisko statistisko metožu izvēles pamatprincipus, metožu apgūšanai pielietos reālus piemērus, saistītus ar izlašu apsekojumiem, uzdevumu atrisināšanai izmantos datu statistiskās apstrādes programmas. Kursā iekļautas tēmas: parametriskās un neparametriskās divu saistīto un divu nesaistīto paraugkopu apstrādes metodes, kontingences analīze, vienfaktora korelācijas un regresijas analīze.

Kursa rezultāti un to vērtēšana

Zināšanas - spēj parādīt padziļinātas zināšanas un izpratni par divu kopu parametriskām un neparametriskām datu apstrādes metodēm, to izvēles pamatprincipiem saskarsmē ar izvirzītajiem pētījuma uzdevumiem (izpildīti praktiskie darbi, divi kontroldarbi, teorijas tests);
Prasmes patstāvīgi izmantot teoriju un izvēlēties no parametrisko un neparametrisko datu apstrādes metožu klāsta metodes, lai veiktu pētniecisku darbību. Spēj argumentēti izskaidrot un diskutēt par metožu izvēles principiem, to pielietošanu un realizēšanu konkrētās problemātikas pētījumam (izpildīti prakstiskie darbi, divi patstāvīgie darbi, divi kontroldarbi);
Kompetences veikt maģistra darbā datu apstrādi, izmantojot datu apstrādes lietojumprogrammatūru, interpretēt iegūtos rezultātus, formulēt secinājumus un saistīt tos ar tautsaimniecības nozari, pamatot lēmumus un veikt to analīzi (nokārtots teorijas tests, izstrādāti divi patstāvīgie darbi).

Kursa saturs(kalendārs)

1. Ievads statistikā. Datu klasifikācija. Datu grafiskā attēlošana [L 1h,P 1h].
2. Aprakstoša statistika - kvantitatīvās pazīmes[L 1h,P 1h].
3. Hipotēžu pārbaude[L 1h].
4. F- tests divu paraugkopu dispersiju salīdzināšanai. t- tests divu neatkarīgu paraugkopu vidējo salīdzināšanai[L 1h,P 1h].
5. Man Vitneja tests divu neatkarīgu paraugkopu salīdzināšanai[L 1h,P 1h].
6. t- tests divu savstarpēji atkarīgu paraugkopu vidējo salīdzināšanai[L 1h,P 1h].
7. Vilkoksona tests divu savstarpēji atkarīgu paraugkopu salīdzināšanai[L 1h,P 1h].
1.kontroldarbs: aprakstošā statistika, divu paraugkopu analīzes metodes.
8. Brīvas pieejas un on-line rīki datu statistiskajai apstrādei. Kontingences tabulas[L 0.5h,P 1h].
9. Kontingences analīzē. Hipotēžu pārbaude[L 0.5h,P 0.5h].
10. Hī2 kritērijs kā statistiskās neatkarības tests: 2x2 kontingences tabula[L 0.5h,P 0.5h].
11. Fišera tests: 2x2 kontingences tabula[L 0.5h,P 0.5h].
12. Hī2 kritērijs kā statistiskās neatkarības tests: rxc kontingences tabula[L 1h,P 1h].
13. Korelācijas analīze. Pīrsona korelācijas koeficients. Hipotēžu pārbaude[L 0.5h,P 0.5h].
14. Korelācijas analīze. Spīrmena korelācijas koeficients. Hipotēžu pārbaude[L 0.5h,P 1h].
15. Vienfaktora lineārais regresijas modelis. Hipotēžu pārbaude.
2.kontroldarbs: kontingences analīze, korelācijas un regresijas analīze[L 1h,P 1h].

Prasības kredītpunktu iegūšanai

Nokārtoti divi kontroldarbi un teorijas tests. Izstrādāti patstāvīgie darbi. Kumulatīvā vērtējuma iegūšanai kontroldarbus var rakstīt tikai norādītā laikā. Nokavēto nodarbību atstrādāšana notiek saskaņā ar LLU Studiju nolikumu.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

1. patstāvīgais darbs: datu apstrādei izmanto parametriskās vai neparametriskās divu paraugkopu analīzes metodes, pamato metodes izvēli (iesniedz e-studijās).
2. patstāvīgais darbs: datu apstrādei izmanto kontingences, korelācijas un vienfaktora regresijas analīzi (iesniedz e-studijās).

Studiju rezultātu vērtēšanas kritēriji

Ieskaites vērtējums ir atkarīgs no semestra kumulatīvā vērtējuma: kontroldarbu vērtējums (1.kontroldarbs – 40%; 2.kontroldarbs – 40%) un teorijas testa vērtējums (20%).

Obligātā literatūra

1. Arhipova I., Balina S. Statistika ekonomikā un biznesā. Risinājumi ar SPSS un MS Excel: mācību līdzeklis. Rīga: Datorzinību centrs, 2006. 362 lpp. 2. Goša Z. Statistika: mācību grāmata. Rīga: LU, 2003. 334 lpp.
3. Paura L., Arhipova I. Neparametriskās metodes SPSS datorprogramma: mācību līdzeklis. Jelgava: LLKC, 2002. 148 lpp.
4. Krastiņš O., Ciemiņa I. Statistika: mācību grāmata. Rīga: LR Centrālā statistikas pārvalde, 2003. 267 lpp.
5. Brandt S. Data analysis: statistical and computational methods for scientists and engineers. 4th edition. Cham: Springer, 2014. 523 P.

Papildliteratūra

1. Kabacoff R. I. R in action: data analysis and graphics with R. Second edition. Shelter Island, NY: Manning, 2015. 579 P.
2. Anderson D.R., Sweeney D.J., Williams T.A., Freeman J., Shoesmith E. Statistics for business and economics Fourth edition. Hampshire: Cengage Learning, 2017. 615 P.

Piezīmes

Obligātais studiju kurss ESAF Profesionālā maģistra studiju programma "Uzņēmējdarbības vadība".