2212719
/
DSR_Testate
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

finish aufgabe 1 testat 1

main
Nikola Munder 2026-10-31 15:15:36 +01:00
parent dcf0d99797
commit 1ae25adad6
4 changed files with 1149 additions and 625 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

BIN
.RData 100644
View File

Binary file not shown.

423
.Rhistory 100644
View File

@ -0,0 +1,423 @@
do.call(sqrt,4)
do.call(sqrt,list(4))
pi |> sqrt
pi |> sqrt()
l1 = seq(0,2*pi,length=100)
l1.length
l1.length()
l1$length
l1
length(l1)
plot(l1,)
sin = sin(x)
sin = sin(l1)
plot(x,sin, type="l")
plot(l1,sin, type="l")
carsten = sin(l1)
plot(carsten,sin, type="l")
plot(l1,carsten, type="l")
?rep
# Ihre Lösung
data.frame(seq(0:10))
# Ihre Lösung
data.frame(seq(0:10), seq(3,4))
# Ihre Lösung
data.frame(seq(0:10), seq(0:10))
wort = rep("Wort",100)
data.frame(zahl,wort)
df.head()
df <- data.frame(zahl,wort)
# Ihre Lösung
zahl <- seq(5,25,length=100)
hl <- seq(5,25,length=100)
wort <- rep("Wort",100)
df <- data.frame(zahl,wort)
df.head()
head(df)
head(df,10)
res = df[[67]]
res = df
df
res = df$zahl
res
res = df$zahl[[67]]
res
print(round(res,2))
# Ihre Lösung:
M
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
M
?apply
# Ihre Lösung:
apply(M,sum)
```{r}
# Ihre Lösung:
apply(M,M[:,2],sum)
# Ihre Lösung:
apply(M,M[1],sum)
# Ihre Lösung:
apply(M,M[2],sum)
# Ihre Lösung:
apply(M,M[3],sum)
# Ihre Lösung:
apply(M,M[1],sum)
# Ihre Lösung:
apply(M,M[2],sum)
# Ihre Lösung:
apply(M,M[2],sum)
# Ihre Lösung:
apply(M,M[1],sum)
# Ihre Lösung:
apply(M,M[1],sum)
# Ihre Lösung:
apply(M,c(1,2),sum)
apply(M,c(1,2),sum)
apply(M,2,sum)
k = M[:,5]
k = M[,5]
k
length(k)
sum(k)
k = M[,1]
k
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
apply(M,2,sum)
k = M[,1]
sum(k)
apply(M,2,sqrt)
0
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 = function(a){
if (a == 2){
return 1
1
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 = function(a){
if (a == 2){
1
}
0
}
apply(M,2,sum)
apply(M,2,count_2)
?sqrt
count_2(3)
count_2(2)
0
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 = function(a){
if (a == 2){
1
}
else{
0
}
}
apply(M,2,count_2)
count_2(2)
?apply
```{r}
0
?all
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
print(typeof(a))
}
apply(M,2,count_2)
count_2(2)
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
print(typeof(a))
print(length(a))
}
apply(M,2,count_2)
count_2(2)
apply(M,2,count_2)
sum(a)
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
sum(a)
}
apply(M,2,count_2)
a[[a==2]]
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a[[a==2]]
}
apply(M,2,count_2)
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a
}
apply(M,2,count_2)
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a
}
res = apply(M,2,count_2)
res
?sum
?count
a==2
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
res
num_2 = apply(M,2,sum)
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
num_2 = apply(M,2,sum)
num_2
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
num_2 = apply(res,2,sum)
num_2
2_in_r5 = num2[[5]]
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
num_2 = apply(res,2,sum)
2in_r5 = num2[[5]]
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
num_2 = apply(res,2,sum)
two_in_r5 = num2[[5]]
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
num_2 = apply(res,2,sum)
two_in_r5 = num_2[[5]]
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
z = apply(res,2,sum)
two_in_r5 = z[[5]]
print("Es gibt {two_in_r5} ")
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
z = apply(res,2,sum)
two_in_r5 = z[[5]]
print(paste0("Es gibt", two_in_r5)
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
z = apply(res,2,sum)
two_in_r5 = z[[5]]
print(paste0("Es gibt", two_in_r5))
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
z = apply(res,2,sum)
two_in_r5 = z[[5]]
print(paste0("Es gibt ", two_in_r5, " in Spalte 5"))
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
a==2
}
res = apply(M,2,count_2)
z = apply(res,2,sum)
two_in_r5 = z[[5]]
print(paste0("Es gibt ", two_in_r5, " 2er in Spalte 5"))
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
sum(a==2)
}
res = apply(M,2,count_2)
z = apply(res,2,sum)
res
set.seed(12) # Zufallszahlengenerator gleich machen.
M = matrix(sample(c(1, 2, 3), 10 * 100, T), nrow = 100)
# Ihre Lösung:
count_2 <- function(a){
sum(a==2)
}
z = apply(M,2,count_2)
print(paste0("Es gibt ", z[[5]], " 2er in Spalte 5"))
seq(1, 10, length.out = 20)
length(seq(1, 10, length.out = 20))
r = seq(1, 10, length = 20)
r
r = seq(1, 10, by=0.5)
r
r = seq(0, 10, length = 20)
r
r = seq(1, 10, length = 21)
r
r = seq(0, 10, length.out = 20)
r
r = seq(0, 10, length.out = 10)
r
r = seq(1, 10, length.out = 10)
r
r = seq(1, 10, length.out = 20)
r
setwd("~/Documents/Masterstudium/1.Semester/DSR")
git pulll
clear()
if (min >= max) {
stop("min muss kleiner als max sein.")
}
# Bitte mit echter Lösung in myhistogram.R ersetzen:
myhistogram = function(x, n, min, max) {
if (missing(min)) min <- base::min(x)
if (missing(max)) max <- base::max(x)
if (missing(n)) n <- 10
if (min >= max) {
stop("min muss kleiner als max sein.")
}
range <- min + max
interval_ranges <- (max - min) / n
borders <- seq(min, max, length.out = n + 1)
counts <- rep(0, n)
for(value in x) {
for (i in 1:n){
if (value >= borders[i] && value < borders[i+1]){
counts[i] <- counts[i] + 1
break
}
}
}
print(paste("Intervallgrößen: ", interval_ranges))
list(borders=borders, counts = counts)
}
x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x)
print(l$borders)
print(l$counts)
setwd("~/Documents/Masterstudium/1.Semester/DSR_Testate")
# Bitte mit echter Lösung in myhistogram.R ersetzen:
myhistogram = function(x, n, min, max) {
if (missing(min)) min <- base::min(x)
if (missing(max)) max <- base::max(x)
if (missing(n)) n <- 10
if (min >= max) {
stop("min muss kleiner als max sein.")
}
range <- min + max
interval_ranges <- (max - min) / n
borders <- seq(min, max, length.out = n + 1)
counts <- rep(0, n)
for(value in x) {
for (i in 1:n){
if (value >= borders[i] && value < borders[i+1]){
counts[i] <- counts[i] + 1
break
}
}
}
print(paste("Intervallgrößen: ", interval_ranges))
list(borders=borders, counts = counts)
}
x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x)
print(l$borders)
print(l$counts)
x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x, n = 10, min = -5, max = 6)
solution = list(
borders = c(-5.0, -3.9, -2.8, -1.7, -0.6, 0.5, 1.6, 2.7, 3.8, 4.9, 6.0),
counts = c(4, 3, 3, 4, 3, 3, 4, 3, 3, 3)
)
print(l$borders)
print(l$counts)
set.seed(1)
x = rnorm(0, 1, n = 1000)
# h = myhistogram(x, n = 20)
# ggplot() + ...
# Bitte mit echter Lösung in myhistogram.R ersetzen:
myhistogram = function(x, n, min, max) {
if (missing(min)) min <- base::min(x)
if (missing(max)) max <- base::max(x)
if (missing(n)) n <- 10
if (min >= max) {
stop("min muss kleiner als max sein.")
}
range <- min + max
interval_ranges <- (max - min) / n
borders <- seq(min, max, length.out = n + 1)
counts <- rep(0, n)
for(value in x) {
for (i in 1:n){
if (value >= borders[i] && value < borders[i+1]){
counts[i] <- counts[i] + 1
break
}
}
}
print(paste("Intervallgrößen: ", interval_ranges))
list(borders=borders, counts = counts)
}
x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x)
print(l$borders)
print(l$counts)

62
Testat_1/Aufgabe_1/EigenesHistogramm.Rmd
View File

@ -1,6 +1,8 @@
--- ---
title: "Eigenes Histogramm" title: "Eigenes Histogramm"
output: html_document output:
html_document: default
pdf_document: default
--- ---
# Eigenes Histogramm # Eigenes Histogramm
@ -20,7 +22,7 @@ Bis auf `x` sollen alle Parameter optional sein. Überlegen Sie sinnvolle Defaul
Es ist natürlich **nicht** erlaubt, in der eigenen Funktion andere Funktionen zu nutzen, die ein Histogramm erzeugen. Es ist natürlich **nicht** erlaubt, in der eigenen Funktion andere Funktionen zu nutzen, die ein Histogramm erzeugen.
Hier ein Beispiel: Hier ein Beispiel:
```{r eval = F} ```{r eval = T}
# Bitte mit echter Lösung in myhistogram.R ersetzen: # Bitte mit echter Lösung in myhistogram.R ersetzen:
myhistogram = function(x, n, min, max) { myhistogram = function(x, n, min, max) {
if (missing(min)) min <- base::min(x) if (missing(min)) min <- base::min(x)
@ -32,10 +34,15 @@ myhistogram = function(x, n, min, max) {
} }
range <- min + max range <- min + max
interval_ranges <- (max - min) / n
borders <- seq(min, max, length.out = n + 1) borders <- seq(min, max, length.out = n + 1)
counts <- rep(0, n) counts <- rep(0, n)
outside <- x[x < min | x >= max]
if (length(outside) > 0) {
warning(paste("Zahl(en) außerhalb Intervallgrenzen:",
paste(outside, collapse = ", ")))
}
for(value in x) { for(value in x) {
for (i in 1:n){ for (i in 1:n){
if (value >= borders[i] && value < borders[i+1]){ if (value >= borders[i] && value < borders[i+1]){
@ -45,7 +52,6 @@ myhistogram = function(x, n, min, max) {
} }
} }
print(paste("Intervallgrößen: ", interval_ranges))
list(borders=borders, counts = counts) list(borders=borders, counts = counts)
} }
x = seq(-5, 6, by = 1 / 3) x = seq(-5, 6, by = 1 / 3)
@ -84,22 +90,47 @@ print(l$counts)
```{r} ```{r}
x = seq(-5, 6, by = 1 / 3) x = seq(-5, 6, by = 1 / 3)
# myhistogram(x, n = 5, min = -10, max = 10) myhistogram(x, n = 5, min = -10, max = 10)
solution = list(borders = c(-10, -6, -2, 2, 6, 10), solution = list(borders = c(-10, -6, -2, 2, 6, 10),
counts = c(0, 9, 12, 12, 1)) counts = c(0, 9, 12, 12, 1))
``` ```
### Beispiel 3 ### Beispiel 3
Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen. Ganze Zahlen mit Wiederholungen, Default-Werte für `n`, `min` und `max`. Da $b_{n+1}$ selbst zu keinem Intervall gehört, wird das Maximum (10) als außerhalb gemeldet:
```{r}
x = c(1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 6, 7, 8, 9, 10)
l = myhistogram(x)
print(l$borders)
print(l$counts)
```
### Beispiel 4 ### Beispiel 4
Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen. Werte unterhalb von `min` und oberhalb von `max` werden ignoriert und in der Warnung aufgelistet:
```{r}
x = c(-3, -1, 0, 0.5, 1, 2.5, 4, 4.99, 5, 7)
l = myhistogram(x, n = 5, min = 0, max = 5)
solution = list(borders = c(0, 1, 2, 3, 4, 5),
counts = c(2, 1, 1, 0, 2))
print(l$borders)
print(l$counts)
```
### Beispiel 5 ### Beispiel 5
Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen. Normalverteilte Zufallszahlen, deren Bereich vollständig innerhalb von `min` und `max` liegt (keine Warnung):
```{r}
set.seed(42)
x = rnorm(100, mean = 0, sd = 1)
l = myhistogram(x, n = 8, min = -4, max = 4)
print(l$borders)
print(l$counts)
print(sum(l$counts)) # muss 100 ergeben
```
## Barplot ## Barplot
@ -111,8 +142,19 @@ Tipp: Der Parameter `stat` von `geom_bar` ist wichtig.
Vervollständigen Sie den Chunk. Die Kommentare sollen zu Anweisungen umgewandelt werden: Vervollständigen Sie den Chunk. Die Kommentare sollen zu Anweisungen umgewandelt werden:
```{r} ```{r}
library("ggplot2")
set.seed(1) set.seed(1)
x = rnorm(0, 1, n = 1000) x = rnorm(0, 1, n = 1000)
# h = myhistogram(x, n = 20) h = myhistogram(x, n = 10)
# ggplot() + ... bins = (h$borders[-1]+h$borders[-length(h$borders)])/2 # letzte und erste Grenze entfernen sodass nebeneinanderliegende Grenzen in den Vektoren jeweils auf der gleichen Indexposition liegen. Man verschiebt die Grenzen also
#print(h$borders[-1])
#print(h$borders[length(-h$borders)])
print(h$borders)
count = h$counts #/sum(h$counts) # Damit kann man die relative statt der absoluten Häufigkeit anzeigen
ggplot() +
geom_bar(aes(x=bins, y=count), stat="identity")+
labs(title="Histogramm für normalverteilte Daten", y="Absolute Häufigkeit", x="Intervalle")
``` ```

99
Testat_1/Aufgabe_1/EigenesHistogramm.html
View File

@ -386,25 +386,43 @@ Funktion andere Funktionen zu nutzen, die ein Histogramm erzeugen.</p>
<p>Hier ein Beispiel:</p> <p>Hier ein Beispiel:</p>
<pre class="r"><code># Bitte mit echter Lösung in myhistogram.R ersetzen: <pre class="r"><code># Bitte mit echter Lösung in myhistogram.R ersetzen:
myhistogram = function(x, n, min, max) { myhistogram = function(x, n, min, max) {
if (missing(min)){ if (missing(min)) min &lt;- base::min(x)
if (missing(max)) max &lt;- base::max(x)
if (missing(n)) n &lt;- 10
if (min &gt;= max) {
stop(&quot;min muss kleiner als max sein.&quot;)
} }
if (missing(max)){
range &lt;- min + max
borders &lt;- seq(min, max, length.out = n + 1)
counts &lt;- rep(0, n)
outside &lt;- x[x &lt; min | x &gt;= max]
if (length(outside) &gt; 0) {
warning(paste(&quot;Zahl(en) außerhalb Intervallgrenzen:&quot;,
paste(outside, collapse = &quot;, &quot;)))
} }
if (missing(n)){
n &lt;- 10 for(value in x) {
for (i in 1:n){
if (value &gt;= borders[i] &amp;&amp; value &lt; borders[i+1]){
counts[i] &lt;- counts[i] + 1
break
}
}
} }
intervals &lt;- length(x)/n
print(&quot;Intervalle: &quot;,intervals) list(borders=borders, counts = counts)
print(paste(&quot;Intervalel: &quot;, intervals))
list(borders = c(), counts = c())
} }
x = seq(-5, 6, by = 1 / 3) x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x)
print(l$borders) l = myhistogram(x)</code></pre>
print(l$counts)</code></pre> <pre><code>## Warning in myhistogram(x): Zahl(en) außerhalb Intervallgrenzen: 6</code></pre>
<pre class="r"><code>print(l$borders)</code></pre>
<pre><code>## [1] -5.0 -3.9 -2.8 -1.7 -0.6 0.5 1.6 2.7 3.8 4.9 6.0</code></pre>
<pre class="r"><code>print(l$counts)</code></pre>
<pre><code>## [1] 4 3 3 4 3 3 4 3 3 3</code></pre>
</div> </div>
<div id="beispieldaten" class="section level2"> <div id="beispieldaten" class="section level2">
<h2>Beispieldaten</h2> <h2>Beispieldaten</h2>
@ -415,30 +433,71 @@ print(l$counts)</code></pre>
<pre><code>## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb <pre><code>## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb
## Intervallgrenzen: 6</code></pre> ## Intervallgrenzen: 6</code></pre>
<pre class="r"><code>x = seq(-5, 6, by = 1 / 3) <pre class="r"><code>x = seq(-5, 6, by = 1 / 3)
# myhistogram(x, n = 10, min = -5, max = 6) l = myhistogram(x, n = 10, min = -5, max = 6)</code></pre>
solution = list( <pre><code>## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb
## Intervallgrenzen: 6</code></pre>
<pre class="r"><code>solution = list(
borders = c(-5.0, -3.9, -2.8, -1.7, -0.6, 0.5, 1.6, 2.7, 3.8, 4.9, 6.0), borders = c(-5.0, -3.9, -2.8, -1.7, -0.6, 0.5, 1.6, 2.7, 3.8, 4.9, 6.0),
counts = c(4, 3, 3, 4, 3, 3, 4, 3, 3, 3) counts = c(4, 3, 3, 4, 3, 3, 4, 3, 3, 3)
)</code></pre> )
print(l$borders)</code></pre>
<pre><code>## [1] -5.0 -3.9 -2.8 -1.7 -0.6 0.5 1.6 2.7 3.8 4.9 6.0</code></pre>
<pre class="r"><code>print(l$counts)</code></pre>
<pre><code>## [1] 4 3 3 4 3 3 4 3 3 3</code></pre>
</div> </div>
<div id="beispiel-2" class="section level3"> <div id="beispiel-2" class="section level3">
<h3>Beispiel 2</h3> <h3>Beispiel 2</h3>
<pre class="r"><code>x = seq(-5, 6, by = 1 / 3) <pre class="r"><code>x = seq(-5, 6, by = 1 / 3)
# myhistogram(x, n = 5, min = -10, max = 10) myhistogram(x, n = 5, min = -10, max = 10)</code></pre>
solution = list(borders = c(-10, -6, -2, 2, 6, 10), <pre><code>## $borders
## [1] -10 -6 -2 2 6 10
##
## $counts
## [1] 0 9 12 12 1</code></pre>
<pre class="r"><code>solution = list(borders = c(-10, -6, -2, 2, 6, 10),
counts = c(0, 9, 12, 12, 1))</code></pre> counts = c(0, 9, 12, 12, 1))</code></pre>
</div> </div>
<div id="beispiel-3" class="section level3"> <div id="beispiel-3" class="section level3">
<h3>Beispiel 3</h3> <h3>Beispiel 3</h3>
<p>Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen.</p> <p>Ganze Zahlen mit Wiederholungen, Default-Werte für <code>n</code>,
<code>min</code> und <code>max</code>. Da <span class="math inline">\(b_{n+1}\)</span> selbst zu keinem Intervall
gehört, wird das Maximum (10) als außerhalb gemeldet:</p>
<pre class="r"><code>x = c(1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 6, 7, 8, 9, 10)
l = myhistogram(x)</code></pre>
<pre><code>## Warning in myhistogram(x): Zahl(en) außerhalb Intervallgrenzen: 10</code></pre>
<pre class="r"><code>print(l$borders)</code></pre>
<pre><code>## [1] 1.0 1.9 2.8 3.7 4.6 5.5 6.4 7.3 8.2 9.1 10.0</code></pre>
<pre class="r"><code>print(l$counts)</code></pre>
<pre><code>## [1] 1 2 3 4 1 1 1 1 1 0</code></pre>
</div> </div>
<div id="beispiel-4" class="section level3"> <div id="beispiel-4" class="section level3">
<h3>Beispiel 4</h3> <h3>Beispiel 4</h3>
<p>Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen.</p> <p>Werte unterhalb von <code>min</code> und oberhalb von
<code>max</code> werden ignoriert und in der Warnung aufgelistet:</p>
<pre class="r"><code>x = c(-3, -1, 0, 0.5, 1, 2.5, 4, 4.99, 5, 7)
l = myhistogram(x, n = 5, min = 0, max = 5)</code></pre>
<pre><code>## Warning in myhistogram(x, n = 5, min = 0, max = 5): Zahl(en) außerhalb
## Intervallgrenzen: -3, -1, 5, 7</code></pre>
<pre class="r"><code>solution = list(borders = c(0, 1, 2, 3, 4, 5),
counts = c(2, 1, 1, 0, 2))
print(l$borders)</code></pre>
<pre><code>## [1] 0 1 2 3 4 5</code></pre>
<pre class="r"><code>print(l$counts)</code></pre>
<pre><code>## [1] 2 1 1 0 2</code></pre>
</div> </div>
<div id="beispiel-5" class="section level3"> <div id="beispiel-5" class="section level3">
<h3>Beispiel 5</h3> <h3>Beispiel 5</h3>
<p>Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen.</p> <p>Normalverteilte Zufallszahlen, deren Bereich vollständig innerhalb
von <code>min</code> und <code>max</code> liegt (keine Warnung):</p>
<pre class="r"><code>set.seed(42)
x = rnorm(100, mean = 0, sd = 1)
l = myhistogram(x, n = 8, min = -4, max = 4)
print(l$borders)</code></pre>
<pre><code>## [1] -4 -3 -2 -1 0 1 2 3 4</code></pre>
<pre class="r"><code>print(l$counts)</code></pre>
<pre><code>## [1] 0 4 11 31 37 15 2 0</code></pre>
<pre class="r"><code>print(sum(l$counts)) # muss 100 ergeben</code></pre>
<pre><code>## [1] 100</code></pre>
</div> </div>
</div> </div>
<div id="barplot" class="section level2"> <div id="barplot" class="section level2">