Kursa nosaukums | Biometrija |
Kursa kods | Biol2008 |
Zinātnes nozare | Bioloģija |
Zinātnes apakšnozare | Biometrija un bioinformātika |
Kredītpunkti (ECTS) | 3 |
Kopējais stundu skaits kursā | 81 |
Lekciju stundu skaits | 16 |
Laboratorijas darbu stundu skaits | 16 |
Studenta patstāvīgā darba stundu skaits | 49 |
Kursa apstiprinājuma datums | 21/10/2011 |
Atbildīgā struktūrvienība | Datoru sistēmu un datu zinātnes institūts |
Kursa izstrādātājs(-i) | |
Dr. agr., prof. Līga Paura |
|
Priekšzināšanas Kursam priekšzināšanas nav nepieciešamas |
|
Kursa anotācija | |
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. | |
Kursa rezultāti un to vērtēšana | |
Pēc studiju kursa studijām studentam būs: zināšanas un kritiska izpratne par datu apstrādes metodēm un to pielietošanu studentu pētījumos; prasmes formulēt pārbaudāmās hipotēzes; izvēlēties atbilstoši pētījumam un izvirzītai hipotēzei datu apstrādes metodi; interpretēt iegūtos rezultātus, formulēt secinājumus; kompetences sadarbībā ar darba vadītāju veikt bakalaura darba pētījumu; pielietot datu apstrādes metodes kursa darbu un bakalaura darba izstrādē. | |
Kursa saturs(kalendārs) | |
1 Statistiskās kopas. Datu klasifikācija
2 Datu iegūšanas un reprezentatīvās paraugkopas izveidošanas principi. Statistiskās kopas. 3 Ranžētās rindas un to raksturotāji. Empīrisko sadalījumu grafiskā attēlošana. 4 Statistisko rādītāju nozīme un klasifikācija. Statistisko rādītāji aprēķināšana. 5 Vidējie lielumi un to izvēles pamatprincipi. 6 Izkliedes rādītāji un reprezentācijas kļūdas. 7 Statistisko rādītāju rezultātu noformēšana studiju darbos. 8 Hipotēžu pārbaudes metodes. Nulles un alternatīvās hipotēzes izvirzīšana. 9 t- tests paraugkopas un ģenerālkopas vidējo salīdzināšanai. 10 F – tests divu paraugkopu dispersiju salīdzināšana. 11 t - tests nesaistīto paraugkopu vidējo salīdzināšana. t-tests saistīto paraugkopu vidējo salīdzināšana. 12 t- testa rezultātu kopsavilkuma veidošāna, noformēšana studiju darbos. 13 Dispersijas analīze - viena un divu faktoru. 14 Homogēnais un heterogēnais dispersijas analīzes komplekss. Faktoru mijiedarbības efekts. 15 Korelācijas analīze. Regresijas analīze. 16 Dispersijas, korelācijas un regresijas analīzes rezultātu prezentēšana studiju darbos. |
|
Prasības kredītpunktu iegūšanai | |
Izstrādāti laboratorijas darbi. Sekmīgi izpildīti 2 mājas darbi. Izstrādāts un aizstāvēts kursa darbs. Kursa darbā ir jāizmanto divas dažādas statistiskās metodes reālo datu apstrādei. Eksāmens. | |
Obligātā literatūra | |
1. Krastiņš O., Ciemiņa I. Statistika: mācību grāmata. Rīga: LR Centrālā statistikas pārvalde, 2003. 267 lpp. 2. Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā. Risinājumi ar SPSS un Microsoft Excel: mācību grāmata. Rīga: Datorzinību centrs, 2006. 362 lpp. | |
Papildliteratūra | |
1. Arhipova I., Bāliņa S. Statistika ar Microsoft Excel ikvienam. 1daļa. Rīga: Datorzinību centrs, 2000.
2. Arhipova I., Bāliņa S. Statistika ar Microsoft Excel ikvienam. 2daļa. Rīga: Datorzinību centrs, 2000. 3. Zar J. H. Biostatistical Analysis. New Jersey: Published by Prentice Hall, 1999. |
|
Piezīmes | |
LF Profesionālā augstākās izglītības studiju programma "Lauksaimniecība" (kvalifikācija zootehnika, dārzkopība, laukkopība). |