Hands-on Data Science
Mein Lernen EN

Projekt4 Phasen

Das Monty-Hall-Problem

Wechseln oder bleiben? An einem berühmten Ratespiel lernt ihr, ein Experiment als Daten festzuhalten, es in R nachzubauen und so oft zu spielen, bis die Daten eine Antwort geben, die kaum jemand erwartet.

Phase 1: Das Spiel spielen

4 Inhalte
  1. Geh aufs Ganze: das Spiel im Fernsehen Video 5 Min.
  2. Experiment 1: Drei Türen im Seminarraum Experiment 30 Min.
  3. Was sollen wir messen? Demo 10 Min.
  4. Arten von Variablen Folien 20 Min.

Phase 2: Spiele als Vektoren

5 Inhalte
  1. Das Drei-Türen-Spiel Demo 5 Min.
  2. Vektoren und Data Frames Folien 45 Min.
  3. Vektoren Lektion 20 Min.
  4. Zahlen, Texte und Wahrheitswerte Lektion 10 Min.
  5. Experiment 2: Eure Spiele als Vektoren Experiment 45 Min.

Phase 3: 100 Spiele als Tibble

2 Inhalte
  1. Let's Make a Deal: 100 Spiele mit drei Türen Datensatz 5 Min.
  2. Experiment 3: 100 Spiele als Tibble Experiment 60 Min.

Phase 4: Das Spiel simulieren

2 Inhalte
  1. Funktionen aufrufen Lektion 10 Min.
  2. Experiment 4: Das Spiel als Simulation Experiment 60 Min.
Über dieses Projekt

In einer Spielshow stehen drei Türen. Hinter einer wartet ein Auto, hinter den beiden anderen je eine Ziege. Du wählst eine Tür, und der Moderator, der weiß, wo das Auto steht, öffnet daraufhin eine der beiden anderen, und zwar immer eine mit einer Ziege. Dann fragt er dich, ob du bei deiner Tür bleibst oder zur anderen geschlossenen Tür wechselst.

Die meisten Menschen sind sicher, dass das keine Rolle spielt, weil ja zwei Türen übrig sind. Ob das stimmt, findet ihr in diesem Projekt nicht durch Nachdenken heraus, sondern mit Daten: Ihr spielt selbst, haltet jede Runde fest, wertet einen Datensatz mit 100 Spielen aus und lasst R das Spiel so oft wiederholen, bis die Antwort nicht mehr vom Zufall abhängt. Jede Phase endet mit einem Experiment, das ihr im Team durchführt.

Unterwegs lernt ihr, was jede Datenanalyse braucht: wie man ein Experiment so aufschreibt, dass man es auswerten kann, wie solche Daten in R als Vektoren und als Tibble aussehen und wie man mit wenigen Zeilen Code ein Experiment beliebig oft durchführt und daraus einen Datensatz macht.

Was ihr braucht

Für alles reicht ein Browser, denn das Spiel und R laufen auf den Seiten der Plattform. Wer lieber am eigenen Rechner arbeitet, nimmt Positron und lädt den Datensatz herunter. Zum Nachlesen passen aus Hands-On Programming with R die Kapitel 5 bis 7 über Objekte, die Schreibweise mit eckigen Klammern und das Ändern von Werten, für Tibbles und dplyr die ersten Kapitel von R for Data Science.

Details
Niveau
Einstieg
Module
Empirisches Arbeiten
Code
1663
Stand
3. November 2026
Status
veröffentlicht

    Ein vierstelliger Code führt direkt zum Inhalt.