Kursa nosaukums | Matemātiskā statistika |
Kursa kods | Mate5001 |
Zinātnes nozare | Matemātika |
Zinātnes apakšnozare | Varbūtību teorija un matemātiskā statistika |
Kredītpunkti (ECTS) | 4.5 |
Kopējais stundu skaits kursā | 121.5 |
Lekciju stundu skaits | 16 |
Laboratorijas darbu stundu skaits | 32 |
Kursa apstiprinājuma datums | 19/10/2011 |
Atbildīgā struktūrvienība | Datoru sistēmu un datu zinātnes institūts |
Kursa izstrādātājs(-i) | |
Dr. agr., prof. Līga Paura |
|
Priekšzināšanas Kursam priekšzināšanas nav nepieciešamas |
|
Kursa anotācija | |
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. | |
Kursa rezultāti un to vērtēšana | |
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. | |
Kursa saturs(kalendārs) | |
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. |
|
Prasības kredītpunktu iegūšanai | |
Eksāmena vērtējums ir atkarīgs no semestra kumulatīvā vērtējuma: 1.kontroldarbs (40 punkti), 2. kontroldarbs (40 punkti), mājas darbi (20 punkti). | |
Obligātā literatūra | |
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. |
|
Papildliteratūra | |
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. | |
Piezīmes | |
Obligātais studiju kurss EF Akadēmiskās maģistra augstākās izglītības studiju programmā "Ekonomika". |