Lehrinhalte
Eigenschaften von Zufallsprozessen, Berechnung und Interpretation von Wahrscheinlichkeiten, Wahrscheinlichkeitsverteilungen (insbes. Normalverteilung und Poisson-Verteilung), Eigenschaften und Ursachen von Rauschen, Signifikanztests, Nachweisgrenze und Bestimmungsgrenze, Messfehler und Messunsicherheiten, Berechnung von Messunsicherheiten und Fortpflanzung von Messunsicherheiten nach GUM (Guide to the expression of uncertainty in measurement), statistische Prozesse bei Zählexperimenten, korrelierte Unsicherheiten und Kovarianzen, lineare und nichtlineare Anpassung (Fitten), Grundlagen des Datenmanagements und der guten wissenschaftlichen Praxis den Umgang mit Daten betreffend.
Grundlagen des Programmierens in Python, Datentypen, Verzweigungen, Schleifen und Funktionen, Grundlagen objektorientierten Programmierens, reguläre Ausdrücke, Arbeiten mit Datenbanken
