| Statuss(Aktīvs) | Izdruka | Arhīvs(0) | Studiju plāns Vecais plāns | Kursu katalogs | Vēsture |
| Kursa nosaukums | Biometrija |
| Kursa kods | BiolB005 |
| Zinātnes nozare | Bioloģija |
| Zinātnes apakšnozare | Biometrija un bioinformātika |
| Kredītpunkti (ECTS) | 4 |
| Kopējais stundu skaits kursā | 108 |
| Lekciju stundu skaits | 16 |
| Semināru un praktisko darbu stundu skaits | 28 |
| Laboratorijas darbu stundu skaits | 0 |
| Studenta patstāvīgā darba stundu skaits | 64 |
| Kursa apstiprinājuma datums | 13/12/2023 |
| Atbildīgā struktūrvienība | Datoru sistēmu un datu zinātnes institūts |
| Kursa izstrādātājs(-i) | |
| Dr. agr., prof. Līga Paura |
|
| Priekšzināšanas Kursam priekšzināšanas nav nepieciešamas |
|
| Aizstātais(-ie) kurss(-i) | |
| Biol1015 [GBIO1015] Biometrija |
|
| Kursa anotācija | |
| Studiju kurss sniedz zināšanas par parametriskām 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. Studiju kursa apgūšanas mērķis – sniegt studējošiem padziļinātas zināšanas un prasmes datu apstrādes metožu pielietošanā eksperimentālo datu apstrādē. | |
| Kursa rezultāti un to vērtēšana | |
| Zināšanas:
spēj parādīt padziļinātas zināšanas un izpratni par datu apstrādes metodēm un to pielietošanu eksperimentālo datu apstrādē (kontroldarbi un mājas darbi); Prasmes: spēj formulēt pārbaudāmās hipotēzes; izvēlēties atbilstoši pētījumam un izvirzītai hipotēzei datu apstrādes metodi; interpretēt iegūtos rezultātus, formulēt secinājumus (kontroldarbi, praktiskie darbi, mājas darbi); Kompetence: sadarbībā ar darba vadītāju spēj veikt bakalaura darba pētījumu; spēj pielietot datu apstrādes metodes kursa darbu un bakalaura darba izstrādē (patstāvīgi izstrādāti mājas darbi). |
|
| Kursa saturs(kalendārs) | |
| Pilna laika klātienes studijās:
1. Ievads biometrijā. Datu klasifikācija. [L – 1h] 2. Statistisko rādītāju nozīme un klasifikācija. Statistisko rādītāji aprēķināšana. [L – 1h; P – 1h] 3. Vidējie lielumi un to izvēles pamatprincipi. Izkliedes rādītāji un reprezentācijas kļūdas. [L – 1h; P – 2h] 4. Statistisko rādītāju rezultātu noformēšana studiju darbos. [L – 1h; P – 1h] 5. Korelācijas analīze. [L – 1h; P – 2h] 6. Regresijas analīze. [L – 2h; P – 2h] 1.k.d. Statistiskie rādītāji, korelācijas un regresijas analīze [P – 2h] 7.Hipotēžu pārbaudes metodes. Nulles un alternatīvās hipotēzes izvirzīšana. [L – 1h] 8.Normālais sadalījums. Empīriskā sadalījuma atbilstības pārbaude. [L – 1h; P – 1h] 9.t-tests divu saistīto paraugkopu vidējo salīdzināšana. [L – 1h; P – 2h] 10.F – tests divu paraugkopu dispersiju salīdzināšana. [L – 1h; P – 1h] 11.t - tests divu nesaistīto paraugkopu vidējo salīdzināšana. [L – 1h; P – 2h] 12.Viena faktora dispersijas analīze. [L – 1h; P – 1h] 13.Divu faktoru dispersijas analīze bez atkārtojumiem. [L – 1h; P – 2h] 14. Divu faktoru dispersijas analīze ar atkārtojumiem. Faktoru mijiedarbības efekts. [L – 2h; P – 2h] 2.k.d. Divu kopu salīdzināšana, Viena un divu faktoru dispersijas analīze [P – 2h] Nepilna laika neklātienes studijās: Tiek īstenotas visas tēmas, kas norādītas pilna laika klātienei, bet kontaktstundu skaits ir 1/2 no norādīto stundu skaita. |
|
| Prasības kredītpunktu iegūšanai | |
| Eksāmens. Eksāmena uzdevumu veido teorija par studiju kursā apgūto teorētisko vielu un praktiskais uzdevums par studiju kursā apgūtajām tēmām. Izstrādāti praktiskie darbi. Sekmīgi uzrakstīti divi kontroldarbi. Izstrādāti četri mājas darbi. | |
| Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums | |
| 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 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. | |
| Studiju rezultātu vērtēšanas kritēriji | |
| Eksāmena vērtējums ir atkarīgs no divu 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. | |
| Obligātā literatūra | |
| 1. Essentials of Statistics in Agricultural Sciences / edited by Pradeep Mishra, Fozia Homa. Oakville, ON ;Palm Bay, Florida : Apple Academic Press, [2019] xiv, 526 p. 2. Sokal R.R. , Rohlf F.J. Biometry: the principles and practice of statistics in biological research. New York, NY: W.H. Freeman and Co., 2012. 937 p. | |
| Papildliteratūra | |
| 1. Liepa I. Biometrija: mācību grāmata. Rīga: Zvaigzne, 1974. 335 lpp.
2. Arhipova I., Bāliņa S. Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel: mācību grāmata. Rīga: Datorzinību centrs, 2006. 362 lpp. |
|
| Piezīmes | |
| Pamatkurss LF profesionālās augstākās izglītības bakalaura studiju programmā "Lauksaimniecība", pilna un nepilna laika studijās | |