LV EN RU DE FR

Pētījumu metodoloģija

Kursa izstrādātājs

Kursa anotācija

Kursa mērķis un uzdevumi:
• Studentu vispārīga sagatavošana statistikā, lai
o radītu priekšstatu par statistikas metožu lietojumu zinātnē;
o ļautu radoši pielietot statistiku specialitātē;
o atvieglotu studijas citās studiju programmai saistošās zinātņu jomās, kurās tiek izmantota statistika;
• sniegt pamatzināšanas, lai metodoloģiski korekti iegūtu, apstrādātu, analizētu un interpretētu datus;

• sniegt pamatprasmes dažādu tipveida statistikas uzdevumu risināšanā, izmantojot programmas MS Excel, SPSS un R.

Kursa rezultāti un to vērtēšana

Akadēmiskās kompetences:
Zināšanas:
• pamatzināšanas par statistikas teoriju un pielietojumu;
• zināšanas par pētnieciska darba plānošanas, realizācijas un aprobācijas principiem.
Vērtēšana: pārbaudes, praktiskie darbi un eksāmens

Profesionālās kompetences:
Prasmes:
• apgūti statistikas un varbūtību teorijas pamatjēdzieni;
• spēj tos interpretēt un risināt tipveida uzdevumus, izmantojot programmas MS Excel un R;
Vērtēšana: pārbaudes, praktiskie darbi

Kompetence:
• uzlabotas patstāvīgā darba iemaņas citu statistikas metožu apgūšanā.
Vērtēšana: pārbaudes, praktiskie darbi


Prasmju un kompetences līmeņa kontrole balstās uz pārbaudes un praktisko darbu rādītājiem un vērtējums atspoguļojas pārbaudes, praktisko darbu un eksāmena novērtējumos.

Kursa saturs(kalendārs)

Galvenās kursa tēmas:
• Datu ieguve un prezentēšana (2 lekc. 3 pr.d.)
• Aprakstošā statistika (2 lekc. 3 pr.d.)
• Varbūtību teorijas pamati (2 lekc.)
• Gadījumlieluma sadalījumi (4 lekc.)
• Pētījumu dizains, izlases metode (2 lekc. 2 pr.d.)
• Ticamības intervals (2 lekc. 2 pr.d.)
• Hipotēžu pārbaude – parametriskās metodes (4 lekc. 6 pr.d.)
• Hipotēžu pārbaude – neparametriskās metodes (4 lekc. 4 pr.d.)

• Korelācijas un lineārā regresija (2 lekc. 4 pr.d.)

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Pārbaudes darbi:
Praktiskie un pārbaudes darbi lekciju laikā.

Patstāvīgais darbs:
Prezentāciju gatavošana par savu pētījumu un izvēlētām kursa tēmām. Datu analīzes individuāls uzdevums.

Studiju rezultātu vērtēšanas kritēriji

Prasības kredītpunktu iegūšanai:
• Jābūt izpildītiem un ieskaitītiem pārbaudes un patstāvīgajiem darbiem;
• Eksāmena laikā tiek pārbaudīta lekciju materiāla izpratne (mutiski).
Gala vērtējumā praktisko un pārbaudes darbu un eksāmena atzīmes īpatsvars attiecīgi ir:
• 60 % (savlaicīgi uzrakstīti un ieskaitīti pārbaudes un patstāvīgie darbi);

• 40 % (eksāmena vērtējums).

Obligātā literatūra

1. Arhipova I., Bāliņa S. Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel. Rīga: Datorzinību centrs, 2003. 349 lpp.
2. Lapiņš D. Pētījumu metodoloģija. Lekciju konspekts. Jelgava: LLU, LF, 2010. 80 lpp.

3. Paura L., Arhipova I. Neparametriskās metodes. SPSS datorprogrammas. Jelgava: LLKC, 2002. 148 lpp.

Papildliteratūra

1. Mark L. Berenson, David M. Levine, Kathryn A. Szabat. Basic Business Statistics. Pearson, 2015, 859 p.
2. Field., A., Doscovering Statistics Using SPSS. SAGE Publications, 2005, 779 p.
3. Sahu, P.K. Applied Statistics for Agriculture, Veterinary, Fishery, Dairy and allied Fields. Springer, 2016., 533 p.
4. Hardy M., Bryman A., Handbook of data analysis. SAGE Publications, 2004. 704 p.
5. Goša Z. Statistika. Rīga: LLU, 2003. 334 lpp.
6. Krastiņš O., Ciemiņa I. Statistika. – Rīga, Latvijas Republikas Centrālā statistikas pārvalde, 2003., 267 lpp.

7. Krastiņš O. Varbūtību teorija un matemātiskā statistika. R.: Zvaigzne,1978.

Periodika un citi informācijas avoti

1. Latvijas Lauksaimniecības universitātes Raksti. Latvijas Lauksaimniecības universitāte. ISSN 1407-4427.

2. Agronomijas Vēstis: zinātnisko rakstu krājums. Latvijas Lauksaimniecības un meža zinātņu akadēmija, Latvijas Lauksaimniecības Universitāte, Lauksaimniecības fakultāte. ISBN 9984555895(5). ISSN 1691-3485.

Piezīmes

Maģistra studiju programma.