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)

278
Testat_1/Aufgabe_1/EigenesHistogramm.Rmd
View File

@ -1,118 +1,160 @@
--- ---
title: "Eigenes Histogramm" title: "Eigenes Histogramm"
output: html_document output:
--- html_document: default
pdf_document: default
# Eigenes Histogramm ---
Es soll ein eigenes Histogramm erzeugt werden. Der Dateiname für das Skript ist `myhistogram.R`. # Eigenes Histogramm
## Funktion `myhistogram` Es soll ein eigenes Histogramm erzeugt werden. Der Dateiname für das Skript ist `myhistogram.R`.
Programmieren Sie in R die Funktion `myhistogram`, die als Parameter `x` einen Vektor aus Zahlen erhält. Die Zahlen werden in `n` Intervalle einsortiert, und es wird gezählt, wie oft eine Zahl in einem Intervall vorkommt. Der Rückgabewert ist eine Liste mit den Einträgen `borders`, die die $n+1$ Intervallgrenzen enthalten und `counts`, der die Anzahlen enthält. ## Funktion `myhistogram`
* Die $n$ Intervalle sollen gleich groß sein ($\Delta b$), d.h. für die Intervallgrenzen $b_1, b_2, \ldots, b_{n+1}$ gilt $\frac{b_{i+1}-b_{i}}{n}=\Delta b$ für $i=1, 2, \ldots n$. Programmieren Sie in R die Funktion `myhistogram`, die als Parameter `x` einen Vektor aus Zahlen erhält. Die Zahlen werden in `n` Intervalle einsortiert, und es wird gezählt, wie oft eine Zahl in einem Intervall vorkommt. Der Rückgabewert ist eine Liste mit den Einträgen `borders`, die die $n+1$ Intervallgrenzen enthalten und `counts`, der die Anzahlen enthält.
* Die äußeren Grenzen $b_1$ und $b_n$ sollen als optionale Parametern `min` und `max` an die Funktion übergeben werden. Werte aus `x`, die zu keinem Intervall gehören, sollen ignoriert werden. Es wird aber eine Warnung ausgegeben, die sagt, welche Zahlen außerhalb des Bereichs liegen.
* Eine Zahl $z$ gehört zum $i$-ten Intervall, falls $b_i \leq z < b_{i+1}$ gilt. * Die $n$ Intervalle sollen gleich groß sein ($\Delta b$), d.h. für die Intervallgrenzen $b_1, b_2, \ldots, b_{n+1}$ gilt $\frac{b_{i+1}-b_{i}}{n}=\Delta b$ für $i=1, 2, \ldots n$.
* Die äußeren Grenzen $b_1$ und $b_n$ sollen als optionale Parametern `min` und `max` an die Funktion übergeben werden. Werte aus `x`, die zu keinem Intervall gehören, sollen ignoriert werden. Es wird aber eine Warnung ausgegeben, die sagt, welche Zahlen außerhalb des Bereichs liegen.
Bis auf `x` sollen alle Parameter optional sein. Überlegen Sie sinnvolle Default-Werte. * Eine Zahl $z$ gehört zum $i$-ten Intervall, falls $b_i \leq z < b_{i+1}$ gilt.
Es ist natürlich **nicht** erlaubt, in der eigenen Funktion andere Funktionen zu nutzen, die ein Histogramm erzeugen. Bis auf `x` sollen alle Parameter optional sein. Überlegen Sie sinnvolle Default-Werte.
Hier ein Beispiel: Es ist natürlich **nicht** erlaubt, in der eigenen Funktion andere Funktionen zu nutzen, die ein Histogramm erzeugen.
```{r eval = F}
# Bitte mit echter Lösung in myhistogram.R ersetzen: Hier ein Beispiel:
myhistogram = function(x, n, min, max) { ```{r eval = T}
if (missing(min)) min <- base::min(x) # Bitte mit echter Lösung in myhistogram.R ersetzen:
if (missing(max)) max <- base::max(x) myhistogram = function(x, n, min, max) {
if (missing(n)) n <- 10 if (missing(min)) min <- base::min(x)
if (missing(max)) max <- base::max(x)
if (min >= max) { if (missing(n)) n <- 10
stop("min muss kleiner als max sein.")
} 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) range <- min + max
counts <- rep(0, n) borders <- seq(min, max, length.out = n + 1)
counts <- rep(0, n)
for(value in x) {
for (i in 1:n){ outside <- x[x < min | x >= max]
if (value >= borders[i] && value < borders[i+1]){ if (length(outside) > 0) {
counts[i] <- counts[i] + 1 warning(paste("Zahl(en) außerhalb Intervallgrenzen:",
break paste(outside, collapse = ", ")))
} }
}
} for(value in x) {
for (i in 1:n){
print(paste("Intervallgrößen: ", interval_ranges)) if (value >= borders[i] && value < borders[i+1]){
list(borders=borders, counts = counts) counts[i] <- counts[i] + 1
} break
x = seq(-5, 6, by = 1 / 3) }
}
l = myhistogram(x) }
print(l$borders)
print(l$counts) list(borders=borders, counts = counts)
``` }
x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x)
## Beispieldaten print(l$borders)
print(l$counts)
Hier zunächst zwei Beispiele. ```
### Beispiel 1
Es wird eine Warnung ausgeben: ## Beispieldaten
```
## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb Hier zunächst zwei Beispiele.
## Intervallgrenzen: 6
``` ### Beispiel 1
```{r} Es wird eine Warnung ausgeben:
x = seq(-5, 6, by = 1 / 3) ```
l = myhistogram(x, n = 10, min = -5, max = 6) ## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb
solution = list( ## Intervallgrenzen: 6
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)
) ```{r}
print(l$borders) x = seq(-5, 6, by = 1 / 3)
print(l$counts) 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),
### Beispiel 2 counts = c(4, 3, 3, 4, 3, 3, 4, 3, 3, 3)
)
```{r} print(l$borders)
x = seq(-5, 6, by = 1 / 3) print(l$counts)
# myhistogram(x, n = 5, min = -10, max = 10) ```
solution = list(borders = c(-10, -6, -2, 2, 6, 10),
counts = c(0, 9, 12, 12, 1)) ### Beispiel 2
```
```{r}
### Beispiel 3 x = seq(-5, 6, by = 1 / 3)
myhistogram(x, n = 5, min = -10, max = 10)
Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen. solution = list(borders = c(-10, -6, -2, 2, 6, 10),
counts = c(0, 9, 12, 12, 1))
### Beispiel 4 ```
Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen. ### Beispiel 3
### Beispiel 5 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:
Testen Sie nun hier Ihre Funktion mit weiteren Datensätzen. ```{r}
x = c(1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 6, 7, 8, 9, 10)
l = myhistogram(x)
## Barplot print(l$borders)
print(l$counts)
Nutzen Sie Ihre Funktion `myhistogram` und erzeugen Sie einen Barplot mit _ggplot_. Die _x_-Achse zeigt dabei die Mitte des Intervalls und die _y_-Achse die Anzahl der Elemente in dieser Klasse. ```
Tipp: Der Parameter `stat` von `geom_bar` ist wichtig. ### Beispiel 4
Vervollständigen Sie den Chunk. Die Kommentare sollen zu Anweisungen umgewandelt werden: Werte unterhalb von `min` und oberhalb von `max` werden ignoriert und in der Warnung aufgelistet:
```{r} ```{r}
set.seed(1) x = c(-3, -1, 0, 0.5, 1, 2.5, 4, 4.99, 5, 7)
x = rnorm(0, 1, n = 1000) l = myhistogram(x, n = 5, min = 0, max = 5)
# h = myhistogram(x, n = 20) solution = list(borders = c(0, 1, 2, 3, 4, 5),
# ggplot() + ... counts = c(2, 1, 1, 0, 2))
``` print(l$borders)
print(l$counts)
```
### Beispiel 5
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$counts)) # muss 100 ergeben
```
## Barplot
Nutzen Sie Ihre Funktion `myhistogram` und erzeugen Sie einen Barplot mit _ggplot_. Die _x_-Achse zeigt dabei die Mitte des Intervalls und die _y_-Achse die Anzahl der Elemente in dieser Klasse.
Tipp: Der Parameter `stat` von `geom_bar` ist wichtig.
Vervollständigen Sie den Chunk. Die Kommentare sollen zu Anweisungen umgewandelt werden:
```{r}
library("ggplot2")
set.seed(1)
x = rnorm(0, 1, n = 1000)
h = myhistogram(x, n = 10)
bins = (h$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")
```

1073
Testat_1/Aufgabe_1/EigenesHistogramm.html
View File

File diff suppressed because one or more lines are too long