BM0814 Statistisko datu datorapstrādes metodes

Kods BM0814
Nosaukums Statistisko datu datorapstrādes metodes
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Augstākā līmeņa, Akadēmiskais
Tematiskā joma Transports
Struktūrvienība Būvniecības un mašīnzinību fakultāte
Mācībspēks Emma Šidlovska, Sergejs Bratarčuks
Kredītpunkti 6.0
Daļas 1
Anotācija Studiju kurss apskata eksperimentālo datu veidus, datu apstrādes metodes transporta jomā, datu apstrādes ar pakotnes STADIA, MathLab, STATGRAPH..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Eksperimentālo datu veidi. 1 2 0 0
Datu pirmapstrādes metodes. 1 2 0 0
Atkarība laikā. Trenda analīze. 1 2 0 0
Lineāras regresijas teorijas galvenie jēdzieni. 1 2 0 0
Minimālo kvadrātu metode. 1 2 0 0
Parametru rekurentās novērtēšanas algoritms. 1 2 0 0
Lineārā un nelineārā filtrācija. Kalmana filtrs. 1 4 0 0
Datu klasificēšana bez mācīšanas. 1 4 0 0
Datu klasifikācija ar mācīšanu. 1 4 0 0
Diskriminanta analīze. 4 4 0 0
Datu hierarhiskās klasifikācijas algoritmi. 2 4 0 0
Neparametriskā regresija. 4 4 0 0
Statistikas intensīvās datoru metodes. 4 4 0 0
Datoru pakotnes (STADIA, MathLab, STATGRAPH utt.). 2 4 0 0
Praktiskā nodarbība - Eksperimentālo datu pasniegšanas veidi. 2 4 0 0
Praktiskā nodarbība- Datu pirmapstrādes metodes. 2 4 0 0
Praktiskā nodarbība - Atkarība laikā. Trenda analīze. 2 4 0 0
Praktiskā nodarbība - Minimālo kvadrātu metode. 2 4 0 0
Praktiskā nodarbība - Datu klasifikācija bez mācīšanas. 2 4 0 0
Praktiskā nodarbība - Datu klasifikācija ar mācīšanu. 2 4 0 0
Lab. darbs - Parametru rekurentās novērtēšanas algoritms. 1 6 0 0
Lab. darbs - Lineārā un nelineārā filtrācija. Kalmana filtrs. 1 6 0 0
Lab. darbs - Diskriminanta analīze. 1 6 0 0
Lab. darbs - Datu hierarhiskās klasifikācijas algoritmi. 2 4 0 0
Lab. darbs - Neparametriskā regresija. 2 6 0 0
Lab. darbs - Statistikas intensīvās datoru metodes. 2 6 0 0
Lab. darbs - Datoru pakotnes (STADIA, MathLab, STATGRAPH utt.). 2 6 0 0
Kopā: 48 108 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Studiju kursa mērķis ir iemācīt datu datorapstrādes pamatkoncepcijas, modeļu un metodes, kā arī iemācīt izstrādāt un realizēt reālo sistēmu modeļus, izmantojot iegūtās zināšanas un prasmes. Studiju kursa uzdevumi ir: - sniegt izpratni par datu pirmapstrādes metodēm; - iemācīt statistisko hipotēžu pārbaudi: sadalījuma likuma hipotēzes pārbaude, novērošana neatkarība; - iemācīt homogenitātes hipotēzes pārbaudi ar rangu kritērija palīdzību; - izpētīt statistisko kritēriju īpašības; - iepazīstināt ar mazāko kvadrātu metodi, aprēķināšanas aspektiem; - iepazīstināt ar vienfaktora un daudzfaktora dispersijas analīzi; - iemācīt datu statistikas analīzes programmas pakas.
Sasniedzamie studiju
rezultāti un to vērtēšana 		Pārzina statistisko datu apstrādes metodes un prot pielietot tās savā ikdienas darbā. - Praktiskais darbs. Laboratorijas darbs. Kontroldarbs. Eksāmens.
Prot veikt statistiskos aprēķinus, izmantojot lietišķo programmu pakotnes – STADIA, MathLab, STATGRAPH u.c. - Praktiskais darbs. Laboratorijas darbs. Kontroldarbs. Eksāmens.
Spēj apstrādāt statistiskus datus, izmantojot dažādas statistiskās analīzes metodes un algoritmus. - Praktiskais darbs. Laboratorijas darbs. Kontroldarbs. Eksāmens.
Pārzina dažādu veidu sistēmu modeļus un prot pielietot tos transporta uzdevumu risināšanai. - Praktiskais darbs. Laboratorijas darbs. Kontroldarbs. Eksāmens.
Studiju rezultātu vērtēšanas kritēriji
Praktiskais darbi - 30%
Laboratorijas darbi - 30%
Kontroldarbi - 10%
Eksāmens - 30%
 
Priekšzināšanas Matemātika, Statistiskās metodes transportā.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 6.0 24.0 12.0 12.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]