Kursa kods Biol1015
Kredītpunkti 4.50
Zinātnes nozareBioloģija
Zinātnes apakšnozareBiometrija un bioinformātika
Kopējais stundu skaits kursā120
Lekciju stundu skaits16
Semināru un praktisko darbu stundu skaits32
Studenta patstāvīgā darba stundu skaits72
Kursa apstiprinājuma datums04.09.2019
Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts
Dr. agr.
BiolB005 [GBIOB005] Biometrija
Studenti apgūst parametriskās datu apstrādes metodes, kā arī metožu pieņēmumu izpildes pārbaudi. Metožu apgūšanai pielietos reālos piemērus saistītos ar izmēģinājumiem lauksaimniecībā. Uzdevumu atrisināšanai izmantos statistisko analīžu datorprogrammas. Iegūtās zināšanas studenti tālāk izmanto studiju kursā Pētījumu metodika, kā arī kursa darbu un bakalaura darba izstrādē. Kursā ir ietvertas sekojošās tēmas: statistiskie rādītāji, hipotēžu pārbaude par divu un vairāku ģenerālkopu vidējām vērtībām, dispersijas analīze, viena faktora korelācijas un regresijas analīze.
Pēc studiju kursa studijām studentam būs: zināšanas un kritiska izpratne par datu apstrādes metodēm (kontroldarbi) un to pielietošanu studentu pētījumos (mājas darbi); prasmes formulēt pārbaudāmās hipotēzes; izvēlēties atbilstoši pētījumam un izvirzītai hipotēzei datu apstrādes metodi; interpretēt iegūtos rezultātus, formulēt secinājumus (kontroldarbi, praktiskie darbi, mājas darbi); kompetences sadarbībā ar darba vadītāju veikt bakalaura darba pētījumu; pielietot datu apstrādes metodes kursa darbu un bakalaura darba izstrādē (patstāvīgi izstrādāti mājas darbi).
1. Ievads biometrijā. Datu klasifikācija. [L – 1h]
2. Variācijas rindas izveidošana diskrēti variējošai pazīmei. [L – 1h; P – 2h]
3. Variācijas rindas izveidošana nepārtraukti variējošai pazīmei. Variācijas rindas grafiska attēlošana. [L – 1h; P – 2h]
4. Statistisko rādītāju nozīme un klasifikācija. Statistisko rādītāji aprēķināšana. [L – 1h; P – 2h]
5. Vidējie lielumi un to izvēles pamatprincipi. Izkliedes rādītāji un reprezentācijas kļūdas. [L – 1h; P – 2h]
6. Statistisko rādītāju rezultātu noformēšana studiju darbos. [L – 1h; P – 2h]
7. Korelācijas analīze. [L – 1h; P – 2h]
8. Regresijas analīze. [L – 1h; P – 2h]
1.k.d. Variācijas rindas sastādīšana, statistiskie rādītāji, korelācijas un regresijas analīze [P – 2h]
9. Hipotēžu pārbaudes metodes. Nulles un alternatīvās hipotēzes izvirzīšana. [L – 1h]
10. Normālais sadalījums. Empīriskā sadalījuma atbilstības pārbaude. [L – 1h; P – 2h]
11. t-tests divu saistīto paraugkopu vidējo salīdzināšana. [L – 1h; P – 2h]
12. F – tests divu paraugkopu dispersiju salīdzināšana. [L – 1h; P – 2h]
13. t - tests divu nesaistīto paraugkopu vidējo salīdzināšana. [L – 1h; P – 2h]
14. Viena faktora dispersijas analīze. [L – 1h; P – 2h]
15. Divu faktoru dispersijas analīze bez atkārtojumiem. [L – 1h; P – 2h]
16. Divu faktoru dispersijas analīze ar atkārtojumiem. Faktoru mijiedarbības efekts. [L – 1h; P – 2h]
2.k.d. Divu kopu salīdzināšana, Viena un divu faktoru dispersijas analīze [P – 2h]
Izstrādāti praktiskie darbi. Sekmīgi uzrakstīti 3 kontroldarbi. Izstrādāti un iesniegti mājas darbi. Eksāmens.
Patstāvīgais darbs: 4 mājas darbi (20% no vērtējuma) ar maksimālo atzīmi 2 balles, katrs mājas darbs tiek novērtēts ar 0.5 balli. Mājas darbi iesniedzami noteiktā laikā, burtnīcā un e-studijās.
Mājas darbos iekļautās tēmas: 1.m.d. – statistiskie rādītāji, korelācijas un regresijas analīze; 2.m.d. – divu kopu salīdzināšana; 3.m.d. – viena faktora dispersijas analīze; 4.m.d. - divu faktoru dispersijas analīze, datus studenti izvēlas patstāvīgi.
Eksāmena vērtējums ir atkarīgs no trīs kontroldarbu (80%) un četru mājas darbu (20%) kumulatīvā vērtējuma. Kontroldarbus var rakstīt tikai norādītā laikā un vienu reizi.
Studenti, kuriem studiju kursa kumulatīvais vērtējums ir mazāks par 4, vai vēlas uzlabot to (ir vismaz 4), kārto eksāmenu. Eksāmens iekļauj praktisko daļu (80%) un teoriju (20%). Students eksāmenu kārto sesijas pārbaudījumu laikā.
1. Krastiņš O., Ciemiņa I. Matemātiskā statistika: mācību grāmata. Rīga: LR Centrālā statistikas pārvalde, 2003.
2. Arhipova I., Bāliņa S. Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel: mācību grāmata. Rīga: Datorzinību centrs, 2006. 362 lpp.
3. Liepa I. Biometrija: mācību grāmata. Rīga: Zvaigzne, 1974. 335 lpp.
1. Hirsch R. P. Introduction to biostatistical applications in health research with Microsoft Office Excel. Hoboken, New Jersey: Wiley, 2016. 392 p.
2. Arhipova I., Bāliņa S. Statistika ar Microsoft Excel ikvienam. 1daļa. Rīga: Datorzinību centrs, 2000. 3. Arhipova I., Bāliņa S. Statistika ar Microsoft Excel ikvienam. 2daļa. Rīga: Datorzinību centrs, 2000. 4. Zar J. H. Biostatistical Analysis. New Jersey: Published by Prentice Hall, 1999.
Pamatkurss LF profesionālās augstākās izglītības bakalaura studiju programmā "Lauksaimniecība", pilna un nepilna laika studijās