7. Konfidenzintervalle

Die Gesamtlaufzeit beträgt etwa 50 Minuten und es wird empfohlen, sie in Abschnitte zu unterteilen. Bei der Anzeige von Code-Demonstrationen können Sie die Wiedergabe pausieren, um sie zur Laufzeit zu überprüfen. Diese Episode baut auf dem Kontext des MIT-Kurses 6.0002 "Kalkülative Denkfähigkeit und Datenwissenschaft" auf und konzentriert sich auf den Schlüsselbegriff der "Konfidenzintervalle". Der Kurs bleibt nicht bei trockenen Formeln hängen, sondern nutzt Python und die Monte-Carlo-Simulation, um abstrakte Wahrscheinlichkeitsverteilungen in intuitive, visuelle Code-Beispiele umzuwandeln. Der Hauptfokus liegt darauf, durch viele wiederholte Stichprobenexperimente die dynamischen Beziehungen zwischen Stichprobengröße, Standardabweichung und Intervallbreite klar darzustellen und den Lernern zu helfen, ein "berechnendes Intuition" für Statistik zu entwickeln. Das Material ist fundiert und betont die praktische Umsetzung durch Programmierung, und ist daher ideal für Datenwissenschaftsneulinge mit grundlegenden Python-Kenntnissen, die ihre Lücken in der Statistik schließen möchten, oder für Informatikstudenten, die einen systematischen Einstieg in die berechnende Statistik machen möchten.