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

Kursa nosaukums Biometrijas pamati
Kursa kods Biol1014
Zinātnes nozare Bioloģija
Kredītpunkti (ECTS) 3
Kopējais stundu skaits kursā 81
Lekciju stundu skaits 16
Semināru un praktisko darbu stundu skaits 16
Studenta patstāvīgā darba stundu skaits 49
Kursa apstiprinājuma datums 04/09/2019
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 plašāk lietotās metodes novērojumu un izmēģinājumu datu matemātiskai apstrādei bioloģijā. Studenti iegūst zināšanas par bioloģisko eksperimentu datu sistematizāciju un grafisku attēlošanu, statistisko rādītāju aprēķināšanu un novērtēšanu, hipotēžu pārbaudi, empīriskā sadalījuma novērtēšanu un rezultātu interpretāciju specialitātē.
Kursa rezultāti un to vērtēšana
Studiju kursa sekmīgas apguves rezultātā studenti:
1.iegūst zināšanas un kritisku izpratni par matemātiskās statistikas metodēm un to praktisku pielietojumu novērojumu un izmēģinājumu datu apstrādei bioloģijā. – kontroldarbi.
2.spēj parādīt atbilstošo jēdzienu un likumsakarību izpratni, izpildīt vajadzīgās darbības un operācijas, statistisko datu apstrādei izmantot atbilstošu lietojumprogrammatūru. - praktiskie un laboratorijas darbi 3.strādājot grupā vai veicot darbu patstāvīgi, spēj pielietot specialitātes problēmsituācijai atbilstošas matemātiskās statistikas metodes statistiski pamatotu slēdzienu pieņemšanai, piemēram, kursa darbu, studentu zinātnisko darbu, kā arī internatūras prakses darba izstrādāšanā un noformēšanā, veikt aprēķinu starprezultātu un gala rezultātu profesionālu novērtēšanu un interpretāciju. - patstāvīgais darbs
Kursa saturs(kalendārs)
1.Statistiskās kopas. Ģenerālkopa. Izlase jeb paraugkopa. Variācijas rinda. Variācijas rindas izveide diskrēti variējošai pazīmei. Variācijas rindas izveide nepārtraukti variējošai pazīmei. Relatīvās, kumulatīvās un relatīvās kumulatīvās frekvences.(4h)
2.Empīrisko sadalījumu grafiska attēlošana. Bioloģisku pētījumu rezultātu grafiska attēlošana. (4h)
3.Statistiskie rādītāji, to nozīme un klasifikācija. Vidējie lielumi. Izkliedes rādītāji. Reprezentācijas kļūdas un to nozīme. Statistisko rādītāju aprēķināšana grupētām un negrupētām paraugkopām. Statistisko rādītāju nozīme bioloģisku pētījumu rezultātu raksturošanai.(5h)
4.Variācijas rindas teorētiskie modeļi. Binomiālais sadalījums. Puasona sadalījums. Normālais sadalījums. Standartizēts jeb normēts normālais sadalījums. Normālā sadalījuma likumsakarību izmantošana bioloģiskos pētījumos.(2h)
1.kontroldarbs. Aprakstošā statistika.
5.Hipotēžu pārbaude. Statistiskās hipotēzes uzdevuma nostādne bioloģiskos pētījumos. Statistiskie slēdzieni un lēmumi. Hipotēžu pārbaudes algoritms. Divpusējas un vienpusējas alternatīvās hipotēzes jēdziens un izvirzīšana bioloģiskos pētījumos. Nulles hipotēzes pieļaujamais apgabals. Hipotēžu pārbaudes iespējamās kļūdas. (2h)
6.Ģenerālkopas vidējās vērtības novērtējums. Ģenerālkopas vidējās vērtības ticamības intervāls. Nozīmības jeb būtiskuma līmenis. Hipotēzes par ģenerālkopas vidējo pārbaude. Vidējās vērtības ticamības intervāls un tā nozīme bioloģiskos pētījumos.(2h)
7.Hipotēžu pārbaude par divu ģenerālkopu parametriem. Saistītu un nesaistītu (neatkarīgu) paraugkopas jēdziens un piemēri bioloģiskos pētījumos. Fišera tests (F-tests). Nesaistītu (neatkarīgu) paraugkopu vidējo vērtību salīdzināšana (t-tests nesaistītām jeb neatkarīgām paraugkopām). Saistītu paraugkopu vidējo salīdzināšana (t-tests saistītām paraugkopām). Lēmuma pieņemšana par divu ģenerālkopu parametriem un rezultātu interpretācija bioloģiskos pētījumos.(4h)
8.2 (hī-kvadrāta) kritērijs. Empīriskā un normālā sadalījuma atbilstības pārbaude un lēmuma pieņemšana.(2h)
9.Dispersijas analīzes būtība un uzdevumi. Viena faktora dispersijas analīze. Divu faktoru dispersijas analīze ar un bez atkārtojumiem. Dispersijas analīzes piemēri bioloģijā. Lēmuma pieņemšana un rezultātu interpretācija. (3h)
10.Korelācija un regresija. Rezultatīvā pazīme. Faktoriālā pazīme. Pāra korelācija. Lineārās korelācijas koeficients, tā aprēķināšana un novērtēšana. Regresijas analīze. Vienfaktora lineārās regresijas analīze. Korelācijas un regresijas pielietojums bioloģiskos pētījumos.(2h) 2.kontroldarbs. Hipotēžu pārbaudes metodes. Korelācija un regresija.
Prasības kredītpunktu iegūšanai
Jābūt sekmīgi nokārtotai ieskaitei ar atzīmi.
Ieskaiti saņem akumulējoši, bez papildus zināšanu pārbaudes, ja semestra 2 rakstisku kontroldarbu vidējais vērtējums ir sekmīgs (t.i., vismaz 4 balles).
Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums
Katru semestra nedēļu tiek uzdoti attiecīgās tēmas uzdevumi patstāvīgam darbam.
Studiju rezultātu vērtēšanas kritēriji
Semestra laikā 2 kontroldarbi, - katrs tiek vērtēts ar maksimums 8 ballēm. Kontroldarbu pildot, students drīkst izmantot savus pierakstus.
Attaisnota iemesla dēļ kontroldarbu var rakstīt citā laikā, iepriekš vienojoties ar mācībspēku.
Akumulējošās ieskaites atzīmes paaugstināšanai par maksimums 2 ballēm, students atbild teoriju. Neizpildoties akumulējošas ieskaites saņemšanas nosacījumiem, students individuālo studiju un pārbaudījumu periodā atbild par visām semestrī apgūtām tēmām kopumā rakstiska ieskaites darba veidā.
Obligātā literatūra
1. Arhipova I., Bāliņa S. Statistika ar MS Excel ikvienam. 1. daļa Rīga: Datorzinību Centrs, 1999. 163 lpp.
2. Arhipova I., Ramute L., Paura L. Datu statistiskā apstrāde ar MS Excel. Jelgava: LLU izdevniecība, 1998. 159 lpp.
3. Arhipova I., Ramute L., Žuka L. Matemātiskās statistikas uzdevumu risināšana ar MS Excel. I Jelgava: LLU izdevniecība, 1997. 121 lpp. 4. Arhipova I., Ramute L., Žuka L. Matemātiskās statistikas uzdevumu risināšana ar MS Excel. II Jelgava: LLU izdevniecība. 1997. 98 lpp.
Papildliteratūra
1. Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā. Rīga: Datorzinību Centrs, 2006. 364 lpp.
2. Berenson M. L., Levine D. M. Basic Business Statistics. Concepts and Applications. USA: Prentice Hall, 2009. 1013 p. 3. Mead R., Curnow R.N., Hasted AM. Statistical methods in agriculture and experimental biology. London: Chapman&Hall, 1996. 415 p.
Piezīmes
Vispārizglītojošais studiju kurss Veterinārmedicīnas fakultātes otrā līmeņa profesionālās augstākās izglītības studiju programmā „Veterinārmedicīna”