| Kursa nosaukums | Daudzvariāciju biodatu analīze |
| Kursa kods | Biol6005 |
| Zinātnes nozare | Bioloģija |
| Zinātnes apakšnozare | Biometrija un bioinformātika |
| Kredītpunkti (ECTS) | 4.5 |
| Kopējais stundu skaits kursā | 121.5 |
| Lekciju stundu skaits | 24 |
| Laboratorijas darbu stundu skaits | 24 |
| Kursa apstiprinājuma datums | 18/01/2012 |
| 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 daudzvariāciju statistiskās metodes, kas ir vairāku bioloģijas, lauksaimniecības zinātņu datu apstrādē izmantojamo datorprogrammu pamatā. Metožu apgūšanai izmanto ar izmēģinājumiem bioloģijā un lauksaimniecībā saistītus reālus piemērus. Iegūst zināšanas par daudzvariāciju datu apstrādes metodēm, to lietošanas iespējām. | |
| Kursa rezultāti un to vērtēšana | |
| • Zināšanas: parādīt padziļinātas zināšanas un izpratni, par divu un vairāku kopu datu apstrādes metodēm, to izvēles pamatprincipiem saskarsmē ar izvirzītajiem pētījuma uzdevumiem;
• Prasmes: Spēj argumentēti izskaidrot un diskutēt par metožu izvēles principiem, to pielietošanu un realizēšanu konkrētās problemātikas pētījumam. Izmantot brīvi pieejamo programmu R un komerciālo SPSS datu apstrādē; • Kompetence: veikt maģistra darbā datu apstrādi, izmantojot datu statistiskās apstrādes programmas, interpretēt iegūtos rezultātus, formulēt secinājumus, pamatot lēmumus un veikt to analīzi. |
|
| Kursa saturs(kalendārs) | |
| 1 Datu analītisko metožu klasifikācija.
2 Bioloģisko datu apstrādes pamati. 3 Eksperimentu plānošana. 4 Statistisko datorprogrammu novērtējums: Excel, SPSS, SAS, Minitab. 5 Principālo komponentu analīze. 6 Faktoru analīze. 7 Hierarhiskā klasterizācija. 8 Nehierarhiskā klasterizācija. 9 1.kontroldabs: Principālo komponentu analīze, faktoru analīze un klasteru analīze. 10 Divgrupu diskriminantu analīze. 11 Diskriminantu analīzes regresijas pieeja. 12 Daudzgrupu diskriminantu analīze. 13 Daudzvariāciju dispersiju analīze (MANOVA). 14 Daudzgrupu MANOVA. MANOVA diviem neatkarīgiem mainīgiem. 15 2.kontroldarbs: Diskriminantu analīze, daudzvariāciju dispersiju analīze. 16 Statistisko datorprogrammu salīdzinājums. |
|
| Prasības kredītpunktu iegūšanai | |
| Eksāmena vērtējums ir atkarīgs no semestra kumulatīvā vērtējuma:1.kontroldarbs: 25 punkti. 2. kontroldarbs: 25 punkti. Eksāmens: 50 punkti. 10 punkti veido eksāmena atzīmes 1 balli. Kontroldarbu var rakstīt tikai norādītā laikā. | |
| Obligātā literatūra | |
| 1. Dalgaard P. Introductory statistics with R. New York [etc.]: Springer, 2002. 267 p.
2. Engineering statistics handbook [tiešsaiste]. Pieejams:. http://www.itl.nist.gov/div898/handbook/index.htm [Skatīts 18.janvārī 2012.] 3. Krastiņš O., Ciemiņa I. Statistika: mācību grāmata. Rīga: LR Centrālā statistikas pārvalde, 2003. 267 lpp. 4. Zar J. H. Biostatistical Analysis. New Jersey: Prentice Hall, 1999. 591 p. |
|
| Papildliteratūra | |
| 1. An Introduction to R [tiešsaiste]. Pieejams: http://cran.r-project.org/doc/manuals/R-intro.html [skatīts 18.janvārī 2012.]
2. Levine D. M., Ramsey P. P., Smitd Smidt R. K. Applied statistics for Engineers and Scientist: Using Microsoft Excel and MINITAB. Upper Saddle River, New Jersey: Prentice Hall, 2001. 671 p. 3. Sprent P., Smeeton N.C. Applied nonparametric statistical methods. Boca Raton, London, New York, Washington D.C.: Chapman Hall/CRC, 2001. 461 p. |
|
| Piezīmes | |
| Obligātais kurss ITF maģistra studiju programma „Informācijas tehnoloģijas”. | |