Changed colors for listings. Small improvements on the script.

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()

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' )

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,

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