diff --git a/bootstrap/lecture/bootstrap-chapter.tex b/bootstrap/lecture/bootstrap-chapter.tex
index d185cd4..53099ed 100644
--- a/bootstrap/lecture/bootstrap-chapter.tex
+++ b/bootstrap/lecture/bootstrap-chapter.tex
@@ -163,9 +163,9 @@
   numbers=left,
   showstringspaces=false,
   language=Matlab,
-  commentstyle=\itshape\color{darkgray},
-  keywordstyle=\color{blue},
-  stringstyle=\color{green},
+  commentstyle=\itshape\color{red!60!black},
+  keywordstyle=\color{blue!50!black},
+  stringstyle=\color{green!50!black},
   backgroundcolor=\color{blue!10},
   breaklines=true,
   breakautoindent=true,
diff --git a/designpattern/lecture/designpattern-chapter.tex b/designpattern/lecture/designpattern-chapter.tex
index 08ff012..e821287 100644
--- a/designpattern/lecture/designpattern-chapter.tex
+++ b/designpattern/lecture/designpattern-chapter.tex
@@ -163,9 +163,9 @@
   numbers=left,
   showstringspaces=false,
   language=Matlab,
-  commentstyle=\itshape\color{darkgray},
-  keywordstyle=\color{blue},
-  stringstyle=\color{green},
+  commentstyle=\itshape\color{red!60!black},
+  keywordstyle=\color{blue!50!black},
+  stringstyle=\color{green!50!black},
   backgroundcolor=\color{blue!10},
   breaklines=true,
   breakautoindent=true,
diff --git a/designpattern/lecture/designpattern.tex b/designpattern/lecture/designpattern.tex
index c581b9b..93ef588 100644
--- a/designpattern/lecture/designpattern.tex
+++ b/designpattern/lecture/designpattern.tex
@@ -62,7 +62,7 @@ sigma = 2.3;
 y = randn(100, 1)*sigma + mu;
 \end{lstlisting}
 
-Das ist manchmal auch sinnvoll f\"ur \code{zeros} oder \code{ones}:
+Das gleiche Prinzip ist manchmal auch sinnvoll f\"ur \code{zeros} oder \code{ones}:
 \begin{lstlisting}
 x = -1:0.01:2;      % Vektor mit x-Werten
 plot(x, exp(-x.*x));
@@ -75,11 +75,14 @@ plot(x, ones(size(x))*0.5);
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \section{for Schleifen \"uber Vektoren}
-Manchmal m\"ochte man doch mit einer for-Schleife \"uber einen Vektor iterieren:
+Manchmal m\"ochte man doch mit einer for-Schleife \"uber einen Vektor iterieren.
 \begin{lstlisting}
 x = [2:3:20];   % irgendein Vektor
-for i=1:length(x)
-  % Benutze den Wert des Vektors x an der Stelle des Indexes i:
+for i=1:length(x)     % Mit der for-Schleife "loopen" wir ueber den Vektor
+  i     % das ist der Index der die Elemente des Vektors nacheinander indiziert.
+  x(i)  % das ist der Wert des i-ten Elements des Vektors x.
+  a = x(i);    % die Variable a bekommt den Wert des i-ten Elements des Vektors x zugewiesen.
+  % Benutze den Wert:
   do_something( x(i) );
 end
 \end{lstlisting}
@@ -89,7 +92,7 @@ sollten wir uns vor der Schleife schon einen Vektor f\"ur die Ergebnisse
 erstellen:
 \begin{lstlisting}
 x = [2:3:20];        % irgendein Vektor
-y = zeros(size(x));  % Platz fuer die Ergebnisse
+y = zeros(length(x),1);  % Platz fuer die Ergebnisse, genauso viele wie Loops der Schleife
 for i=1:length(x)
   % Schreibe den Rueckgabewert der Funktion get_something an die i-te
   % Stelle von y:
@@ -125,7 +128,8 @@ for i=1:length(x)
   % Die Funktion get_something gibt uns einen Vektor zurueck:
   z = get_something( x(i) );
   % dessen Inhalt h\"angen wir an unseren Ergebnissvektor an:
-  y = [y z(:)];
+  y = [y; z(:)];
+  % z(:) stellt sicher, das wir auf jeden Fall einen Spaltenvektoren aneinanderreihen.
 end
 % jetzt koennen wir dem Ergebnisvektor weiter bearbeiten:
 mean(y)
diff --git a/likelihood/lecture/likelihood-chapter.tex b/likelihood/lecture/likelihood-chapter.tex
index 732acbe..2a82f79 100644
--- a/likelihood/lecture/likelihood-chapter.tex
+++ b/likelihood/lecture/likelihood-chapter.tex
@@ -163,9 +163,9 @@
   numbers=left,
   showstringspaces=false,
   language=Matlab,
-  commentstyle=\itshape\color{darkgray},
-  keywordstyle=\color{blue},
-  stringstyle=\color{green},
+  commentstyle=\itshape\color{red!60!black},
+  keywordstyle=\color{blue!50!black},
+  stringstyle=\color{green!50!black},
   backgroundcolor=\color{blue!10},
   breaklines=true,
   breakautoindent=true,
diff --git a/pointprocesses/lecture/pointprocesses-chapter.tex b/pointprocesses/lecture/pointprocesses-chapter.tex
index 44af27e..1e68316 100644
--- a/pointprocesses/lecture/pointprocesses-chapter.tex
+++ b/pointprocesses/lecture/pointprocesses-chapter.tex
@@ -163,9 +163,9 @@
   numbers=left,
   showstringspaces=false,
   language=Matlab,
-  commentstyle=\itshape\color{darkgray},
-  keywordstyle=\color{blue},
-  stringstyle=\color{green},
+  commentstyle=\itshape\color{red!60!black},
+  keywordstyle=\color{blue!50!black},
+  stringstyle=\color{green!50!black},
   backgroundcolor=\color{blue!10},
   breaklines=true,
   breakautoindent=true,
diff --git a/scientificcomputing-script.tex b/scientificcomputing-script.tex
index 65e8b2b..e4049a8 100644
--- a/scientificcomputing-script.tex
+++ b/scientificcomputing-script.tex
@@ -163,9 +163,9 @@
   numbers=left,
   showstringspaces=false,
   language=Matlab,
-  commentstyle=\itshape\color{darkgray},
-  keywordstyle=\color{blue},
-  stringstyle=\color{green},
+  commentstyle=\itshape\color{red!60!black},
+  keywordstyle=\color{blue!50!black},
+  stringstyle=\color{green!50!black},
   backgroundcolor=\color{blue!10},
   breaklines=true,
   breakautoindent=true,
diff --git a/statistics/lecture/diehistograms.py b/statistics/lecture/diehistograms.py
index a8832e0..c80c68a 100644
--- a/statistics/lecture/diehistograms.py
+++ b/statistics/lecture/diehistograms.py
@@ -2,8 +2,9 @@ import numpy as np
 import matplotlib.pyplot as plt
 
 # roll the die:
-x1 = np.random.random_integers( 1, 6, 100 )
-x2 = np.random.random_integers( 1, 6, 500 )
+rng = np.random.RandomState(57281)
+x1 = rng.random_integers( 1, 6, 100 )
+x2 = rng.random_integers( 1, 6, 500 )
 bins = np.arange(0.5, 7, 1.0)
 
 plt.xkcd()
@@ -14,7 +15,10 @@ ax.spines['right'].set_visible(False)
 ax.spines['top'].set_visible(False)
 ax.yaxis.set_ticks_position('left')
 ax.xaxis.set_ticks_position('bottom')
+ax.set_xlim(0, 7)
+ax.set_xticks( range(1, 7) )
 ax.set_xlabel( 'x' )
+ax.set_ylim(0, 98)
 ax.set_ylabel( 'Frequency' )
 ax.hist([x2, x1], bins, color=['#FFCC00', '#FFFF66' ])
 
@@ -23,9 +27,13 @@ ax.spines['right'].set_visible(False)
 ax.spines['top'].set_visible(False)
 ax.yaxis.set_ticks_position('left')
 ax.xaxis.set_ticks_position('bottom')
+ax.set_xlim(0, 7)
+ax.set_xticks( range(1, 7) )
 ax.set_xlabel( 'x' )
+ax.set_ylim(0, 0.23)
 ax.set_ylabel( 'Probability' )
-ax.hist([x2, x1], bins, normed=True, color=['#FFCC00', '#FFFF66' ])
+ax.plot([0.2, 6.8], [1.0/6.0, 1.0/6.0], '-r', lw=2, zorder=1)
+ax.hist([x2, x1], bins, normed=True, color=['#FFCC00', '#FFFF66' ], zorder=10)
 plt.tight_layout()
 fig.savefig( 'diehistograms.pdf' )
 #plt.show()
diff --git a/statistics/lecture/pdfhistogram.py b/statistics/lecture/pdfhistogram.py
index a61460e..1faa52d 100644
--- a/statistics/lecture/pdfhistogram.py
+++ b/statistics/lecture/pdfhistogram.py
@@ -2,9 +2,10 @@ import numpy as np
 import matplotlib.pyplot as plt
 
 # normal distribution:
+rng = np.random.RandomState(6281)
 x = np.arange( -4.0, 4.0, 0.01 )
 g = np.exp(-0.5*x*x)/np.sqrt(2.0*np.pi)
-r = np.random.randn( 100 )
+r = rng.randn( 100 )
 
 plt.xkcd()
 
@@ -15,9 +16,10 @@ ax.spines['top'].set_visible(False)
 ax.yaxis.set_ticks_position('left')
 ax.xaxis.set_ticks_position('bottom')
 ax.set_xlabel( 'x' )
+ax.set_xlim(-3.2, 3.2)
+ax.set_xticks( np.arange( -3.0, 3.1, 1.0 ) )
 ax.set_ylabel( 'Frequency' )
-#ax.set_ylim( 0.0, 0.46 )
-#ax.set_yticks( np.arange( 0.0, 0.45, 0.1 ) )
+ax.set_yticks( np.arange( 0.0, 41.0, 10.0 ) )
 ax.hist(r, 5, color='#CC0000')
 ax.hist(r, 20, color='#FFCC00')
 
@@ -27,11 +29,14 @@ ax.spines['top'].set_visible(False)
 ax.yaxis.set_ticks_position('left')
 ax.xaxis.set_ticks_position('bottom')
 ax.set_xlabel( 'x' )
+ax.set_xlim(-3.2, 3.2)
+ax.set_xticks( np.arange( -3.0, 3.1, 1.0 ) )
 ax.set_ylabel( 'Probability density p(x)' )
-#ax.set_ylim( 0.0, 0.46 )
-#ax.set_yticks( np.arange( 0.0, 0.45, 0.1 ) )
-ax.hist(r, 5, normed=True, color='#CC0000')
-ax.hist(r, 20, normed=True, color='#FFCC00')
+ax.set_ylim(0.0, 0.44)
+ax.set_yticks( np.arange( 0.0, 0.41, 0.1 ) )
+ax.plot(x, g, '-b', lw=2, zorder=-1)
+ax.hist(r, 5, normed=True, color='#CC0000', zorder=-10)
+ax.hist(r, 20, normed=True, color='#FFCC00', zorder=-5)
 
 plt.tight_layout()
 fig.savefig( 'pdfhistogram.pdf' )
diff --git a/statistics/lecture/statistics-chapter.tex b/statistics/lecture/statistics-chapter.tex
index d43ca3e..1d13265 100644
--- a/statistics/lecture/statistics-chapter.tex
+++ b/statistics/lecture/statistics-chapter.tex
@@ -163,9 +163,9 @@
   numbers=left,
   showstringspaces=false,
   language=Matlab,
-  commentstyle=\itshape\color{darkgray},
-  keywordstyle=\color{blue},
-  stringstyle=\color{green},
+  commentstyle=\itshape\color{red!60!black},
+  keywordstyle=\color{blue!50!black},
+  stringstyle=\color{green!50!black},
   backgroundcolor=\color{blue!10},
   breaklines=true,
   breakautoindent=true,
diff --git a/statistics/lecture/statistics.tex b/statistics/lecture/statistics.tex
index 85ce58d..2ca6481 100644
--- a/statistics/lecture/statistics.tex
+++ b/statistics/lecture/statistics.tex
@@ -111,7 +111,8 @@ Wahrscheinlichkeitsverteilung der Messwerte ab.
       to their sum.}{Histogramme des Ergebnisses von 100 oder 500 mal
       W\"urfeln. Links: das absolute Histogramm z\"ahlt die Anzahl des
       Auftretens jeder Augenzahl. Rechts: Normiert auf die Summe des
-      Histogramms werden die beiden Messungen vergleichbar.}}
+      Histogramms werden die beiden Messungen untereinander als auch
+      mit der theoretischen Verteilung $P=1/6$ vergleichbar.}}
 \end{figure}
 
 Bei ganzzahligen Messdaten (z.B. die Augenzahl eines W\"urfels) 
@@ -142,7 +143,9 @@ Meistens haben wir es jedoch mit reellen Messgr\"o{\ss}en zu tun.
       normalverteilten Messwerten. Links: Die H\"ohe des absoluten
       Histogramms h\"angt von der Klassenbreite ab. Rechts: Bei auf
       das Integral normierten Histogrammen werden auch
-      unterschiedliche Klassenbreiten vergleichbar.}}
+      unterschiedliche Klassenbreiten untereinander vergleichbar und
+      auch mit der theoretischen Wahrschinlichkeitsdichtefunktion
+      (blau).}}
 \end{figure}
 
 Histogramme von reellen Messwerten m\"ussen auf das Integral 1