Statistikmacher

Anbei ein Erfahrungsbericht zu Agentic-Coding aus der theoretischen Teilchenphysik: Ausgangslage: Matlab+Python+Shell Skripte führen eine mathematisch recht anspruchsvolle Gitter-Simulation durch, bei der mit SU(2)-wertigen Feldern jongliert wird: Also Matrixmultiplikationen, Mehrdimensionale Differenzquotienten wohin das müde Auge blickt. Kurzum: Ein numerischer Albtraum wie ich ihn liebe. Das Problem: Ich habe kein Matlab und die Gitter-Simulationen überfordern mein Microsoft Surface (So sehr ich Microsoft mittlerweile auch verabscheuungswürdige, aber mit dem Surface haben sie mich gefangen). Die Aufgabe: Das Ganze im Blindflug in reines Python überführen. Da ich dafür eigentlich kaum Zeit aufwenden kann, habe ich mir KI-Unterstützung geholt: cursor.com wird auf ein topologisches Solitonenmodell losgelassen. Möge der Kampf beginnen: KI gegen Algebra und Topologie! Der Ansatz: In LaTeX vorliegende Publikationen dokumentieren die mathematischen Zusammenhänge sowohl analytisch, als auch numerisch, KI versteht LaTeX, Physiker lieben LaTeX [Hier anzügliches Wortspiel einfügen]. Ich lasse meinen KI-Begleiter also erst mal auf Ebene eines Syntax-Baumes ein Mapping zwischen der bisherigen Implementierung und den LaTeX-Gleichungen aufbauen. Mathe und Algorithmik stützen einander. (Wer hätte gedacht, dass ich diesen Teil des abgebrochenen Informatik-Studiums einmal real anwenden würde?!) Ausgehend von diesem Mapping wird dann schrittweise in Python überführt, wobei ich den KI-Agenten einen Implementierungsplan ausarbeiten lasse, der auch Validierungen durch Abgleich mit Matlab und LaTeX bereitstellt. Was mir dabei schon positiv auffällt: - Wenn ich der KI Dinge wie, "Vorsicht, Kodierung des SU(2) Feldes durch Pauli-Matrizen ist falsch indexiert und das Integrationsmaß ist falsch weil Zylinderkoordinaten." an den Kopf werfe, versteht die was ich meine und hat den Fehler tatsächlich sofort _korrekt_ behoben. - Ich kann dem Teil einfach sagen, es soll mir eine Bi-Simulations-Relation aufbauen und das Ding tut das dann auch. (Nie, niemals hätte ich gegelaubt DAS anzuwenden... Einfach geil, wie sich hier plötzlich die Kluft zwischen Theorie und Praxis schließt) Woran es derzeit noch scheitert: Am Blindflug. Da ich hier nicht wirklich sinnvoll testen kann, bleiben gefürchtete "Heisenbugs" lange unbemerkt: Die iterative Energie-Minimierung der Gitter für Matlab versus Python scheinen kongruent, sind es aber (wie ich vor wenigen Tagen bemerkte) nicht. Mögliche Ursache: Ein Indexierungsfehler verschiebt in einer konjugierten Gradientenmethode den aufs Gitter aufzuaddierenden Gradienten. Über die ersten Iterationen hinweg ist der dadurch verursachte Fehler kleiner, als die numerischen Abweichungen der Differenzquotienten, später immernoch kleiner, als das Energie-Inkrement (Alias Loss-Function, Wirkungsidchte, Lagrangian). Erst wenns ans Eingemachte geht, fällt auf, dass mein Python-Gitter vom Rechten Weg abbiegt.

🆕 eduSTAT-UPDATE: Die generierten Textbausteine zur Deskriptivstatistik wurden erweitert. Die Statistiksoftware berücksichtigt nun in der automatisch erzeugten Methoden- und Ergebnisbeschreibung explizit auch verworfene Datenzeilen, beispielsweise aufgrund fehlender oder ungültiger Werte. Dadurch wird transparenter dokumentiert: -> wie groß die ursprüngliche Stichprobe war, -> wie viele Datensätze ausgeschlossen wurden, -> und auf welcher effektiven Stichprobengröße die Auswertung tatsächlich basiert. Die beigefügten Bilder zeigen exemplarisch die automatisch generierte Methoden-, Ergebnis- und Störfaktoranalyse eines fiktiven Datensatzes inklusive Diagrammen, Hypothesentests und deskriptiver Statistik. 🔗eduSTAT testen: https://app.edustat.at/

UPDATE: Neue eduSTAT-Version online. Neues Feature: 🆕 eduSTAT zeigt nun für jedes Merkmal zusätzlich die Anzahl ungültiger Werte an (gelb markiert im Screenshot). Werden diese deaktiviert, fließen nur noch Datenzeilen mit gültigen Werten dieses Merkmals in die Auswertung ein. Behobene Fehler: ✅ Mehrere Tippfehler in der Ergebnispräsentation wurden korrigiert. ✅ Fehlerhafte Beschriftungen bei Tortendiagrammen wurden behoben. ✅ Eine fehlerhafte Beschreibung statistischer Signifikanz wurde korrigiert. ✅ In bestimmten Fällen wurde fälschlicherweise ein ordinales statt eines kardinalen Skalenniveaus angenommen. Dieser Fehler wurde behoben. Gemeldete, aber noch offene Fehler: ⚠️ Bei Gruppierungsmerkmalen werden beim initialen Erstellen die Gruppennamen teilweise nicht korrekt übernommen. Die Namen können jedoch nachträglich angepasst werden. ⚠️ In der Conclusio kann es bei ordinalen Merkmalen mit mehr als zwei Ausprägungen zu Wortwiederholungen bei der Auflistung potenzieller Störfaktoren kommen. ⚠️Laufzeitfehler führen derzeit aus Sicherheitsgründen zu einer automatischen Abmeldung. Da diese serverseitig aktuell nicht erfasst wird, ist aufgrund des Schutzmechanismus („Bitte melden Sie sich von Ihrem anderen Gerät ab“) eine erneute Anmeldung erst nach etwa 30 Minuten möglich.

Für eine statistische Auswertung habe ich kürzlich einen Datensatz wie üblich manuell bearbeitet. Der Prozess hätte etwa 4–5 Stunden in Anspruch genommen (Daten prüfen, Testwahl, Auswertung, Dokumentation). Mit eduSTAT lag die Bearbeitungszeit bei rund 15 Minuten. Wie das möglich wurde: - Die Testauswahl erfolgt konsistent entlang definierter Regeln - Annahmen (z. B. Normalverteilung) werden explizit geprüft - Ergebnisse werden direkt strukturiert dokumentiert Der Zeitgewinn entsteht nicht durch „Abkürzen“, sondern durch Standardisierung eines ansonsten manuellen Workflows. https://edustat.at/

Viele Studenten kämpfen mit Statistik – nicht nur wegen der Daten, sondern auch wegen der Tools. Dem möchte ich mit eduSTAT Abhilfe schaffen: https://app.edustat.at/ Die Software automatisiert große Teile der statistischen Auswertung: • Daten aus Excel oder CSV laden • passende statistische Tests automatisch auswählen • Ergebnisse und Grafiken erzeugen • Methodik- und Ergebnisteil automatisch als Word-Dokument erstellen Damit entsteht aus einer Datentabelle direkt ein strukturierter Statistikteil für eine wissenschaftliche Arbeit. Alles läuft direkt im Browser, ohne dass Daten hochgeladen werden müssen. Die Beta-Version ist aktuell für 15 € pro 30 Tage verfügbar.

Mit der Veröffentlichung eines Fachartikels im Journal Stats (MDPI) ist eduSTAT nun formal zitierfähig - eduSTAT kann somit direkt in wissenschaftlichen Arbeiten sowie in Research Proposals referenziert werden: https://lnkd.in/dNrUppka Diese Publikation ist Teil eines umfassenderen Projekts zur Steigerung der Qualität wissenschaftlicher Arbeiten: Sie bildet die Grundlage für eine künftige Meta-Analyse auf Basis von Citation-Tracking, mit dem Ziel, die Text-Templates im Word-Export von eduSTAT iterativ und evidenzbasiert zu optimieren.

Aus Alpha wird Beta: eduSTAT ist einen Schritt näher am Markteintritt. Im nun erfolgreich zu Ende gehenden Alpha-Test wurden die einzelnen Test-Implemetierungen validiert. Die Ergebnisse hierzu sind auf https://lnkd.in/dc3yvhuy zu finden. Ich spiele mit dem Gedanken, die Details dazu in einem kleinen Video zu erklären. Bestünde daran Interesse? Im Rahmen des nun anlaufenden Beta-Tests wird der Fokus auf die Validierung der Ergebnispräsentation sowie die Störfaktoranalyse gelegt - und es wird PayPal als Zahlungsanbieter angebunden. Die Registrierung zur kostenlosen Beta-Demoversion von eduSTAT ist nun offen: https://app.edustat.at/ Sobald Paypal angebunden ist, wird die Vollversion im Rahmen des Beta-Tests zugänglich gemacht. Ich möchte auf diesem Wege allen Alpha-Testern von eduSTAT danken! Sie haben auch über den Zeitraum des Beta-Tests kostenfrei Zugriff auf die Vollversion.

Das Kontaktformular auf statistikmacher.de war einige Zeit nicht funktionsfähig: Bei einem der letzten Updates hatte ich verabsäumt, serverseitig die Zugangsdaten korrekt zu setzen - mea culpa.

Bei edustat.at kämpfe ich derzeit mit der Vetlängerung des über NetCup von Let's Encrypt bezogenem Zertifikat, daher läuft man hier derzeit in eine "net::ERR_CERT_AUTHORITY_INVALID" Warnung. Sollte sich das Problem nicjt in kürze selbst lösen (Zertifikat wurde ansich Gestern nochmal erneuert), werde ich auf ein kostenpflichtiges Zertifikat umstellen, hoffend, dass es damit flüssiger läuft.

Verlängerung des Alpha-Tests auf Jänner 2026 und Stand der Dinge: Im Alpha-Test von https://lnkd.in/dZ7uGtZq erreicht mich bisher durchgehend positiv und konstruktive Rückmeldung, die ich nun in den Entwicklungen aufgreifen konnte: Die Deskriptivstatistik im Methodik-teil war bei großer Anzahl an Merkmalen etwas unübersichtlich. Anstatt diese auch für deaktivierte Merkmale anzuzeigen, wird daher nun bei zusammengesetzten Merkmalen ein Violinenplot der darin aggregierten Merkmalen angezeigt. Im Rahmen dieser Änderungen habe ich auch gleich ein Berechnung der Itemtrennschärfe ergänzt. Inwieweit ich die Eingabeformulare bei der Merkmalsauflistung bei größeren Anzahlen an Merkmalen übersichtlich machen kann, muss ich noch herausfinden. Es sind mittlerweile zu allen implementierten Tests die Ergebnisse, d.h. die p-Werte der Tests, mittels Teststärkenanalysen überprüft, siehe https://lnkd.in/dgkmD3v8 Bei den, vor einigen Tagen begonnen Validierungen der Abschätzung nötiger Stichprobengrößen weichen die Ergebnisse von dem ab, was ich aus den Treffsicherheiten erwartet hätte. Da ich dem nachgehen möchte, bevor ich Paypal als Zahlungslösung integriere, habe ich beschlossen, den Alpha-Test bis Ende Jänner kommenden Jahres zu verlängern.