LV EN RU DE FR

Matemātiskā statistika II

Kursa izstrādātājs

Kursa anotācija

Studiju kurss turpina iepazīstināt studentus ar matemātiskās statistikas metodēm, akcentējot to praktisko nozīmi vides zinātnes pētījumos. Studenti apgūst dispersijas analīzi, korelācijas, regresijas analīzi un laiku rindu analīzi, kā arī metodes izvēles nosacījumus un korektu rezultātu interpretāciju.

Kursa rezultāti un to vērtēšana

Zināšanas un izpratne par dispersijas, korelācijas, rangu korelācijas, regresijas analīzes, laika rindu analīzes un kvalitatīvu pazīmju saistības analīzes pielietojumu saskaņā ar izvirzītajiem pētījuma uzdevumiem; prasmes lietot apgūtās matemātiskās statistikas metodes kursa darbos, kursa projektos, diplomprojektā, profesionālos pētījumos; kompetence analizēt, sistematizēt datu apstrādes rezultātus un izmantot tos vides inženierzinātnes pētījumos.

Kursa saturs(kalendārs)

1 Viena faktora dispersijas analīze.
2 Divu faktoru dispersijas analīze bez atkārtojumiem.
3 Divu faktoru dispersijas analīze ar atkārtojumiem.
4 Pīrsona korelācijas koeficients.Daudzfaktoru korelācija.
5 Rangu korelācijas koeficienti.
6 Kontingences analīze.
7 1.kontroldarbs.
8 Viena faktora lineārās regresijas vienādojums.
9 Daudzfaktoru lineārās regresijas modelis.
10 Nelineārie modeļi.
11 Parametriskās metodes trenda noteikšanai.
12 Nerametriskās metodes trenda noteikšanai.
13 Furje analīze.
14 Neparametriskā statistika vidējo vērību salīdzināšanai.
15 Testi datu kopai nepiederošo vienību (outliers) noteikšanai.
16 2.kontroldarbs.

Prasības kredītpunktu iegūšanai

Ieskaiti ar atzīmi veido semestra darba kumulatīvais vērtējums: sekmīgi uzrakstīti 2 kontroldarbi; aizstāvēts patstāvīgais darbs; nostrādāti visi laboratorijas darbi.

Obligātā literatūra

1. Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā. Rīga: Datorzinību Centrs, 2006. 364 lpp.
2. Smotrovs J. Varbūtību teorija un matemātiskā statistika II. Rīga: Zvaigzne ABC, 2007. 136 lpp.
3. Grīnglazs L., Kopitovs J. Matemātiskā statistika: ar datoru lietojuma paraugiem uzdevumu risināšanai. Rīga: Rīgas Starptautiskās ekonomikas un biznesa administrācijas augstskola, 2003. 310 lpp.
4. Helsel D.R., Hirsch R.M. Statistical Methods in Water Resources Techniques of Water Resources Investigations. U.S.: Geological Survey, 2002. 522 p.

Papildliteratūra

1. Mac Berthouex P., Brown L.C. Statistics for Environmental Engineers. Lewis Publishers, 2002. 489 p.
2. Gibbons R.D., Coleman D.E. Statistical Methods for Detection and Quantification of Environmental Contamination. John Wiley&Sons, 2001. 384 p.

Piezīmes

Obligātais kurss Lauku inženieru fakultātes profesionālās augstākās izglītības bakalaura studiju programmā „Vide un ūdenssaimniecība” pilna laika studijās.