Latviešu Krievu Angļu Vācu Franču
Statuss(Neaktīvs) Izdruka Arhīvs(0) Studiju plāns Vecais plāns Kursu katalogs Vēsture

Kursa nosaukums Statistisko datu analīze
Kursa kods Mate5012
Zinātnes nozare Matemātika
Zinātnes apakšnozare Varbūtību teorija un matemātiskā statistika
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 19/10/2011
Atbildīgā struktūrvienība Datoru sistēmu un datu zinātnes institūts
 
Kursa izstrādātājs(-i)
Dr. oec., doc. Līga Zvirgzdiņa

Priekšzināšanas
Kursam priekšzināšanas nav nepieciešamas
 
Kursa anotācija
Studenti apgūst novērojumu datu apstrādi un analīzi, gadījumlielumu sadalījumus. Studentiem tiek sniegts ieskats hipotēžu pārbaudē, parametrisko un neparametrisko datu apstrādes metodēs, prognozēšanas pamatmetodēs, daudzfaktoru regresijā un korelācijā, un to pielietojumā izvēlētās specialitātes pētījumos.
Kursa rezultāti un to vērtēšana
Studiju kursa apguves rezultātā studenti iegūst:padziļinātas zināšanas un izpratni par jaunākajiem pētījumu teorētiskiem un metodiskiem pamatiem, datu ieguves un analīzes metodēm, kuras nodrošina pamatu radošai domāšanai pētniecībai izvēlētajā specialitātē;prasmes spēt patstāvīgi izmantot matemātiskās statistikas metodes statistiski pamatotu slēdzienu pieņemšanai pētnieciskajā darbībā un maģistra darba izstrādāšanā, izmantojot atbilstošu lietojumprogrammatūru; spēj patstāvīgi virzīt savu kompetenču pilnveidi un specializāciju, lietojot jaunas pieejas un inovācijas;kompetences - spēj patstāvīgi formulēt un kritiski analizēt problēmas izvēlētajā specialitātē, izvēlēties atbilstošas analīzes metodes, veikt aprēķinu starprezultātu un gala rezultātu profesionālu novērtēšanu un interpretāciju, integrēt datu analīzes metodes jaunu zināšanu radīšanā, dot ieguldījumu pētniecības un profesionālās darbības attīstībā.
Kursa saturs(kalendārs)
1 Variācijas rindas sagatavošana un grafiska attēlošana. Statistisko rādītāju aprēķināšana un interpretācija.
2 Empīriskajam sadalījumam atbilstoša teorētiskā sadalījuma aprēķināšana, sadalījumu atbilstības pārbaude.
3 Vidējā aritmētiskā un dispersijas ticamības intervāls.
4 Paraugkopas un ģenerālkopas vidējo salīdzināšana. Paraugkopas un ģenerālkopas dispersiju salīdzināšana.
5 Divu paraugkopu dispersiju salīdzināšana. Divu neatkarīgu paraugkopu vidējo salīdzināšana.
6 Divu atkarīgu paraugkopu vidējo salīdzināšana.
7 Kontingences tabulas. Kvalitatīvu paraugkopu atbilstības pārbaude. Statistiskās neatkarības kritērijs.
8 1. kontroldarbs. Aprakstošā statistika. Teorētiskais sadalījums. Paraugkopu parametru salīdzināšana.
9 Viena faktora dispersijas analīze.
10 Divu faktoru dispersijas analīze ar un bez atkārtojumiem.
11 Korelācijas analīze. Lineārās regresijas analīze.
12 Nelineārā regresija. Regresijas vienādojuma novērtēšana.
13 Neparametriskās divu paraugkopu analīzes metodes.
14 Neparametriskās vairāku paraugkopu analīzes metodes.
15 Laika rindu analīze. 16 2.kontroldarbs. Dispersijas analīze. Korelācijas un regresijas analīze. Neparametriskās metodes. Laika rindas.
Prasības kredītpunktu iegūšanai
1.kontroldabs: Aprakstošā statistika. Teorētiskais sadalījums. Saistītu un nesaistītu paraugkopu parametru salīdzināšana. Hī2 kritērijs.2.kontroldarbs: Dispersijas analīze. Korelācijas un regresijas analīze. Neparametriskās datu apstrādes metodes. Laika rindu analīze.
Obligātā literatūra
1. Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā. Rīga: Datorzinību Centrs, 2006. 362 lpp.
2. Grīnglazs L., Kopitovs J. Matemātiskā statistika. Ar datoru lietojuma paraugiem uzdevumu risināšanai. Rīga: RSEBA, 2003. 308 lpp.
3. Krastiņš O. Statistika. Rīga. LR Centrālā statistikas pārvalde, 2003. 267 lpp. 4. Paura L., Arhipova I. Neparametriskas metodes. SPSS datorprogramma. Jelgava: LLKC, 2002. 148 lpp.
Papildliteratūra
1. Hair J.F., Anderson R.E., Tatham R.L., Black W.C. MultivariatedataanalysiswithReadings. 4th editon.USA: PrenticeHall, 1995.
2. Berenson M.L., Levine D.M. BasicBusinessStatistics. ConceptsandApplications. USA: PrenticeHall, 1999. 3. Mead R., Curnow R.N., Hasted AM. Statisticalmethodsinagricultureandexperimentalbiology. London: Chapman&Hall, 1993.
Piezīmes
Brīvās izvēles kurss LF, TF, PTF, LIF, MF, VMF maģistrantūras studentiem.