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

cleanup: add merge solution PDF, move exercises to separate folder each, add gitignore and delete readme

main
Nikola Sebastian Munder 2026-11-01 14:47:25 +01:00
parent 7084ce3a51
commit e38f953019
13 changed files with 813 additions and 1149 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

BIN
.RData
View File

Binary file not shown.

423
.Rhistory
View File

@ -1,423 +0,0 @@
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)

59
.gitignore vendored 100644
View File

@ -0,0 +1,59 @@
# Created by https://www.toptal.com/developers/gitignore/api/r
# Edit at https://www.toptal.com/developers/gitignore?templates=r
### R ###
# History files
.Rhistory
.Rapp.history
# Session Data files
.RData
.RDataTmp
# User-specific files
.Ruserdata
# Example code in package build process
*-Ex.R
# Output files from R CMD build
/*.tar.gz
# Output files from R CMD check
/*.Rcheck/
# RStudio files
.Rproj.user/
# produced vignettes
vignettes/*.html
vignettes/*.pdf
# OAuth2 token, see https://github.com/hadley/httr/releases/tag/v0.3
.httr-oauth
# knitr and R markdown default cache directories
*_cache/
/cache/
# Temporary files created by R markdown
*.utf8.md
*.knit.md
# R Environment Variables
.Renviron
# pkgdown site
docs/
# translation temp files
po/*~
# RStudio Connect folder
rsconnect/
### R.Bookdown Stack ###
# R package: bookdown caching files
/*_files/
# End of https://www.toptal.com/developers/gitignore/api/r

0
README.md
View File

BIN
Testat_1/Abgabe/DSR_Abgabe1_Gruppe1.pdf 100644
View File

Binary file not shown.

335
Testat_1/Aufgabe_1/EigenesHistogramm.Rmd
View File

@ -1,160 +1,175 @@
--- ---
title: "Eigenes Histogramm" title: "Eigenes Histogramm"
output: output:
html_document: default pdf_document: default
pdf_document: default html_document: default
--- ---
# Eigenes Histogramm # Eigenes Histogramm
Es soll ein eigenes Histogramm erzeugt werden. Der Dateiname für das Skript ist `myhistogram.R`. Es soll ein eigenes Histogramm erzeugt werden. Der Dateiname für das Skript ist `myhistogram.R`.
## Funktion `myhistogram` ## Funktion `myhistogram`
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. 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 $n$ 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 $n$ 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. * 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. * Eine Zahl $z$ gehört zum $i$-ten Intervall, falls $b_i \leq z < b_{i+1}$ gilt.
Bis auf `x` sollen alle Parameter optional sein. Überlegen Sie sinnvolle Default-Werte. Bis auf `x` sollen alle Parameter optional sein. Überlegen Sie sinnvolle Default-Werte.
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 = T} ```{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)
if (missing(max)) max <- base::max(x)
if (missing(n)) n <- 10 # sonst fällt max(x) wegen b_i <= z < b_{i+1} raus
if (missing(max)) max <- base::max(x) + 10^-12
if (min >= max) {
stop("min muss kleiner als max sein.") if (missing(n)) n <- 10
}
if (min >= max) {
range <- min + max stop("min muss kleiner als max sein.")
borders <- seq(min, max, length.out = n + 1) }
counts <- rep(0, n)
# Äquidistante Aufteilung der Eingabe in n Intervalle mit n + 1 Grenzen
outside <- x[x < min | x >= max] borders <- seq(min, max, length.out = n + 1)
if (length(outside) > 0) { counts <- rep(0, n)
warning(paste("Zahl(en) außerhalb Intervallgrenzen:",
paste(outside, collapse = ", "))) # Werte außerhalb des gewählten Intervalls ermitteln
} outside <- x[x < min | x >= max]
for(value in x) { if (length(outside) > 0) {
for (i in 1:n){ warning(paste("Zahl(en) außerhalb Intervallgrenzen:",
if (value >= borders[i] && value < borders[i+1]){ paste(outside, collapse = ", ")))
counts[i] <- counts[i] + 1 }
break
} for(value in x) {
} for (i in 1:n){
} # Linke Grenze inklusive, rechte exklusive
# Deswegen wurde oben auf max 10^-12 addiert
list(borders=borders, counts = counts) if (value >= borders[i] && value < borders[i+1])
} {
x = seq(-5, 6, by = 1 / 3) counts[i] <- counts[i] + 1
break
l = myhistogram(x) }
print(l$borders) }
print(l$counts) }
``` # Intervallgrenzen und absolute Häufigkeit zurückgeben
list(borders=borders, counts = counts)
}
x = seq(-5, 6, by = 1 / 3)
## Beispieldaten
l = myhistogram(x)
Hier zunächst zwei Beispiele. print(l$borders)
print(l$counts)
### Beispiel 1 ```
Es wird eine Warnung ausgeben:
```
## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb ## Beispieldaten
## Intervallgrenzen: 6
``` Hier zunächst zwei Beispiele.
```{r} ### Beispiel 1
x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x, n = 10, min = -5, max = 6) Es wird eine Warnung ausgeben:
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), ## Warning in myhistogram(x, n = 10, min = -5, max = 6): Zahl(en) außerhalb
counts = c(4, 3, 3, 4, 3, 3, 4, 3, 3, 3) ## Intervallgrenzen: 6
) ```
print(l$borders)
print(l$counts) ```{r}
``` x = seq(-5, 6, by = 1 / 3)
l = myhistogram(x, n = 10, min = -5, max = 6)
### Beispiel 2 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),
```{r} counts = c(4, 3, 3, 4, 3, 3, 4, 3, 3, 3)
x = seq(-5, 6, by = 1 / 3) )
myhistogram(x, n = 5, min = -10, max = 10) print(l$borders)
solution = list(borders = c(-10, -6, -2, 2, 6, 10), print(l$counts)
counts = c(0, 9, 12, 12, 1)) ```
```
### Beispiel 2
### Beispiel 3
```{r}
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: x = seq(-5, 6, by = 1 / 3)
myhistogram(x, n = 5, min = -10, max = 10)
```{r} solution = list(borders = c(-10, -6, -2, 2, 6, 10),
x = c(1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 6, 7, 8, 9, 10) counts = c(0, 9, 12, 12, 1))
l = myhistogram(x) ```
print(l$borders)
print(l$counts) ### Beispiel 3
```
Ganze Zahlen mit Wiederholungen, Default-Werte für `n`, `min` und `max`
### Beispiel 4
```{r}
Werte unterhalb von `min` und oberhalb von `max` werden ignoriert und in der Warnung aufgelistet: x = c(1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 6, 7, 8, 9, 10)
l = myhistogram(x)
```{r} print(l$borders)
x = c(-3, -1, 0, 0.5, 1, 2.5, 4, 4.99, 5, 7) print(l$counts)
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)) ### Beispiel 4
print(l$borders)
print(l$counts) Werte unterhalb von `min` und oberhalb von `max` werden ignoriert und in der Warnung aufgelistet:
```
```{r}
### Beispiel 5 x = c(-3, -1, 0, 0.5, 1, 2.5, 4, 4.99, 5, 7)
Normalverteilte Zufallszahlen, deren Bereich vollständig innerhalb von `min` und `max` liegt (keine Warnung): # da max explizit gesetzt wird, fallen 5 und 7 aus den gütligen Grenzen raus
l = myhistogram(x, n = 5, min = 0, max = 5)
```{r} solution = list(borders = c(0, 1, 2, 3, 4, 5),
set.seed(42) counts = c(2, 1, 1, 0, 2))
x = rnorm(100, mean = 0, sd = 1) print(l$borders)
l = myhistogram(x, n = 8, min = -4, max = 4) print(l$counts)
print(l$borders) ```
print(l$counts)
print(sum(l$counts)) # muss 100 ergeben ### Beispiel 5
```
Normalverteilte Zufallszahlen, deren Bereich vollständig innerhalb von `min` und `max` liegt (keine Warnung):
## Barplot ```{r}
set.seed(42)
Nutzen Sie Ihre Funktion `myhistogram` und erzeugen Sie einen Barplot mit _ggplot_. Die _x_-Achse zeigt dabei die Mitte des Intervalls und die _y_-Achse die Anzahl der Elemente in dieser Klasse. x = rnorm(100, mean = 0, sd = 1)
l = myhistogram(x, n = 8, min = -4, max = 4)
Tipp: Der Parameter `stat` von `geom_bar` ist wichtig. print(l$borders)
print(l$counts)
Vervollständigen Sie den Chunk. Die Kommentare sollen zu Anweisungen umgewandelt werden: print(sum(l$counts)) # muss 100 ergeben
```
```{r}
library("ggplot2")
set.seed(1) ## Barplot
x = rnorm(0, 1, n = 1000)
h = myhistogram(x, n = 10) 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.
bins = (h$borders[-1]+h$borders[-length(h$borders)])/2 # letzte und erste Grenze entfernen sodass nebeneinanderliegende Grenzen in den Vektoren jeweils auf der gleichen Indexposition liegen. Man verschiebt die Grenzen also
Tipp: Der Parameter `stat` von `geom_bar` ist wichtig.
#print(h$borders[-1])
#print(h$borders[length(-h$borders)]) Vervollständigen Sie den Chunk. Die Kommentare sollen zu Anweisungen umgewandelt werden:
print(h$borders) ```{r}
count = h$counts #/sum(h$counts) # Damit kann man die relative statt der absoluten Häufigkeit anzeigen library("ggplot2")
ggplot() + set.seed(1)
geom_bar(aes(x=bins, y=count), stat="identity")+ x = rnorm(0, 1, n = 1000)
labs(title="Histogramm für normalverteilte Daten", y="Absolute Häufigkeit", x="Intervalle") h = myhistogram(x)
# letzte und erste Grenze entfernen sodass nebeneinanderliegende Grenzen in den Vektoren
``` # jeweils auf der gleichen Indexposition liegen. Man verschiebt die Grenzen also
bins = (h$borders[-1]+h$borders[-length(h$borders)])/2
#print(h$borders[-1])
#print(h$borders[length(-h$borders)])
print(h$borders)
# Damit kann man die relative statt der absoluten Häufigkeit anzeigen
count = h$counts #/sum(h$counts)
ggplot() +
geom_bar(aes(x=bins, y=count), stat="identity")+
labs(title="Histogramm für normalverteilte Daten", y="Absolute Häufigkeit", x="Intervalle")
print(h$counts)
```

1145
Testat_1/Aufgabe_1/EigenesHistogramm.html
View File

File diff suppressed because one or more lines are too long

BIN
Testat_1/Aufgabe_1/EigenesHistogramm.pdf 100644
View File

Binary file not shown.

0
Testat1_Plot2.pdf → Testat_1/Aufgabe_2/Testat1_Plot2.pdf
View File

0
Aufgabe_3/Aufgabe 3 - krebsfälle_in_deutschland.Rmd → Testat_1/Aufgabe_3/Aufgabe 3 - krebsfälle_in_deutschland.Rmd
View File

0
Aufgabe_3/Aufgabe-3krebsfälle_in_deutschland.pdf → Testat_1/Aufgabe_3/Aufgabe-3krebsfälle_in_deutschland.pdf
View File

0
Aufgabe_3/Krebsdaten.csv → Testat_1/Aufgabe_3/Krebsdaten.csv
View File

0
Aufgabe_3/metadaten.txt → Testat_1/Aufgabe_3/metadaten.txt
View File