Kursa kods Mate5001
Kredītpunkti 4.50
Zinātnes nozareMatemātika
Zinātnes apakšnozareVarbūtību teorija un matemātiskā statistika
Kopējais stundu skaits kursā120
Lekciju stundu skaits16
Laboratorijas darbu stundu skaits32
Kursa apstiprinājuma datums19.10.2011
Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts
Dr. agr.
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, ANOVA, neparametriskās vairāku saistīto un nesaistīto paraugkopu apstrādes metodes.
Zināšanas: parādīt padziļinātas zināšanas un izpratni, par divu un vairāku kopu parametriskām un neparametriskā datu apstrādes metodēm, to izvēles pamatprincipiem saskarsmē ar izvirzītajiem pētījuma uzdevumiem; spēj pielietot zināšanas ekonomikas zinātnes nozares pētījumos. 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. Kompetence: veikt maģistra darbā datu apstrādi, izmantojot datu statistiskās apstrādes programmas, interpretēt iegūtos rezultātus, formulēt secinājumus un saistīt tos ar ekonomikas nozari, pamatot lēmumus un veikt to analīzi.
1 Datu empīriskais sadalījums un to atbilstība normālajam.
2 F- tests un t-tests neatkarīgo divu paraugkopu salīdzināšanai.
3 Man Vitneja tests divu neatkarīgu paraugkopu salīdzināšanai.
4 t- tests divu savstarpēji atkarīgu paraugkopu vidējo salīdzināšanai.
5 Vilkoksona tests divu savstarpēji atkarīgu paraugkopu salīdzināšanai.
6 Z-tests divu ģenerālkopu īpatsvaru salīdzināšanai.
7 Divu neatkarīgu un savstarpēji atkarīgu izlašu datu salīdzināšana.
8 Divu paraugkopu apstrādes metodes: kopsavilkums. Metožu izvēle.
9 1. kontroldarbs.
10 Dispersijas analīze. Viena un divu faktoru dispersijas analīze.
11 Neparametriskās statistiskās metodes vairāku nesaistīto paraugkopu datu salīdzināšana: Kruskala –Valisa tests.
12 Neparametriskās statistiskās metodes vairāku saistīto paraugkopu datu salīdzināšanai: Frīdmana tests, Kendala W tests.
13 Vairāku paraugkopu apstrādes metodes: kopsavilkums. Metožu izvēle. (2st.)
14 Kontingences tabulas.
15 Kvalitatīvu paraugkopu pārbaude ar Hī2 - kvadrāta kritēriju.
16 2. kontroldarbs.
Eksāmena vērtējums ir atkarīgs no semestra kumulatīvā vērtējuma: 1.kontroldarbs (40 punkti), 2. kontroldarbs (40 punkti), mājas darbi (20 punkti).
1. Arhipova I., Balina S. Statistika ekonomikā un biznesā. Risinājumi ar SPSS un MS Excel: mācību līdzeklis. Rīga: Datorzinību centrs, 2006. 359 lpp.
2. Goša Z. Statistika: mācību grāmata. Rīga: LU, 2003. 334 lpp.
3. Goša Z. Uzdevumu krājums statistikā. Rīga: LU, 2004. 93 lpp.
4. Krastiņš O., Ciemiņa I. Statistika: mācību grāmata. Rīga: LR Centrālā statistikas pārvalde, 2003. 267 lpp.
1. Vasermanis E., Šķiltere D. Statistika I. Rīga: LU, 1996. 78 lpp.
2. Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: Пер. с нем. СПб.: ООО «DiaSoftЮП», 2005. 608 с.
Obligātais studiju kurss EF Akadēmiskās maģistra augstākās izglītības studiju programmā "Ekonomika".