Few updates on todays lecture

statistics/lecture/Makefile

@@ -1,11 +1,16 @@
 TEXFILES=$(wildcard *.tex)
 PDFFILES=$(TEXFILES:.tex=.pdf)
+PYFILES=$(wildcard *.py)
+PYPDFFILES=$(PYFILES:.py=.pdf)
 
-pdf : $(PDFFILES)
+pdf : $(PDFFILES) $(PYPDFFILES)
 
 $(PDFFILES) : %.pdf : %.tex
 	pdflatex -interaction=scrollmode $< | tee /dev/stderr | fgrep -q "Rerun to get cross-references right" && pdflatex -interaction=scrollmode $< || true
 
+$(PYPDFFILES) : %.pdf : %.py
+	python $<
+
 clean :
 	rm -f *~ $(TEXFILES:.tex=.aux) $(TEXFILES:.tex=.log) $(TEXFILES:.tex=.out) $(TEXFILES:.tex=.nav) $(TEXFILES:.tex=.snm) $(TEXFILES:.tex=.toc) $(TEXFILES:.tex=.vrb)
 

statistics/lecture/descriptivestatistics.tex

@@ -154,7 +154,7 @@
     below. In particular the script should test data vectors of
     different length.}  {Schreibe ein Skript, das testet ob die
     \code{mymedian} Funktion wirklich die Zahl zur\"uckgibt, \"uber
-    der genausoviele Datenwerte liegen wie darunter. Das Skript sollte
+    der genauso viele Datenwerte liegen wie darunter. Das Skript sollte
     insbesondere verschieden lange Datenvektoren testen.}
 \end{exercise}
 
@@ -246,7 +246,7 @@ $A$ des Histogramms ist also
 \[ A = \sum_{i=1}^N ( n_i \cdot \Delta x ) = \Delta x \sum_{i=1}^N n_i \]
 und das normierte Histogramm hat die H\"ohe
 \[ p(x_i) = \frac{n_i}{\Delta x \sum_{i=1}^N n_i} \]
-Es muss also nicht nur durch die Summe, sondern auch durch die Breite der Klassen $\Delta x$
+Es muss also nicht nur durch die Summe, sondern auch durch die Breite $\Delta x$ der Klassen
 geteilt werden.
 
 $p(x_i)$ kann keine Wahrscheinlichkeit sein, da $p(x_i)$ nun eine
@@ -258,14 +258,14 @@ spricht von einer Wahrscheinlichkeitsdichte.
   \caption{\label{pdfprobabilitiesfig} Wahrscheinlichkeiten bei
   einer Wahrscheinlichkeitsdichtefunktion.}
 \end{figure}
-  
-\begin{exercise}
+
+\begin{exercise}[gaussianpdf.m]
   \tr{Plot the Gaussian probability density}{Plotte die Gauss'sche Wahrscheinlichkeitsdichte }
-  \[ p_g(x) = 1/\sqrt{2\pi\sigma^2}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\]
+  \[ p_g(x) = \frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\]
   \tr{What does it mean?}{Was bedeutet die folgende Wahrscheinlichkeit?}
-  \[ P(x_1 < x < x2) = \int_{x_1}^{x_2} p(x) \, dx \]
+  \[ P(x_1 < x < x2) = \int\limits_{x_1}^{x_2} p(x) \, dx \]
   \tr{How large is}{Wie gro{\ss} ist}
-  \[ \int_{-\infty}^{+\infty} p(x) \, dx \; ?\]
+  \[ \int\limits_{-\infty}^{+\infty} p(x) \, dx \; ?\]
   \tr{Why?}{Warum?}
 \end{exercise}
 
@@ -392,7 +392,6 @@ spricht von einer Wahrscheinlichkeitsdichte.
 
 \end{document}
 
-
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \subsection{Statistics}
 What is "a statistic"? % dt. Sch\"atzfunktion