diff --git a/designpattern/lecture/designpattern.tex b/designpattern/lecture/designpattern.tex
index df2a0b3..6d08482 100644
--- a/designpattern/lecture/designpattern.tex
+++ b/designpattern/lecture/designpattern.tex
@@ -1,165 +1,170 @@
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
-\chapter{Design pattern}
+\chapter{Design patterns}
 
-\selectlanguage{ngerman}
-
-Beim Programmieren sind sich viel Codes in ihrer Grundstruktur sehr
-\"ahnlich. Viele Konstrukte kommen in den verschiedensten Kontexten
-immer wieder in \"ahnlicher Weise vor. In diesem Kapitel stellen wir
-einige dieser ``Design pattern'' zusammen.
+Many code fragments are variations of some basic patterns. These
+patterns are used in many different variations in many different
+contexts. In this chapter we summarize a few of these \enterm[design
+pattern]{design patterns}.
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
-\section{for Schleifen \"uber Vektoren}
-Grundlegend ist das Iterieren \"uber den Inhalt eines Vektors mit einer \code{for}-Schleife:
-\begin{lstlisting}[caption={\varcode{for}-Schleife mit Indexen \"uber einen Vektor}]
-x = [2:3:20];         % irgendein Vektor
-for i=1:length(x)     % Mit der for-Schleife "loopen" wir ueber den Vektor
-  i     % das ist der Index, der die Elemente des Vektors 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:
+\section{Looping over  vector elements}
+Iterating over vector elements by means of a \mcode{for}-loop is a very commen pattern:
+\begin{lstlisting}[caption={\varcode{for}-loop for accessing vector elements by indices}]
+x = [2:3:20];      % Some vector.
+for i=1:length(x)  % For loop over the indices of the vector.
+  i                % This is the index (an integer number)
+                   % to be used for accessing vector elements.
+  x(i)             % This is the value of the i-th element of the vector.
+  a = x(i);        % The value of the i-th vector element
+                   % is assigned to the variable a.
+  % Use the value of the i-th vector element by passing it
+  % as an argument to a function:
   do_something( x(i) );
 end
 \end{lstlisting}
 
-Wenn in der Schleife das Ergebnis in einen Vektor gespeichert werden soll,
-sollten wir vor der Schleife schon einen Vektor f\"ur die Ergebnisse
-erstellen:
-\begin{lstlisting}[caption={\varcode{for}-Schleife zum Schreiben eines Vektors}]
-x = [1.2 2.3 2.6 3.1];   % irgendein Vektor
-y = zeros(length(x),1);  % Platz fuer die Ergebnisse, genauso viele wie Loops der Schleife
+If the result of the computation within the loop are single numbers
+that are to be stored in a vector, you should create this vector with
+the right size before the loop:
+\begin{lstlisting}[caption={\varcode{for}-loop for writing a vector}]
+x = [1.2 2.3 2.6 3.1];   % Some vector.
+% Create a vector for the results, as long as the number of loops:
+y = zeros(length(x),1);
 for i=1:length(x)
-  % Schreibe den Rueckgabewert der Funktion get_something an die i-te
-  % Stelle von y:
+  % Write the result of the computation at 
+  % the i-th position in the y vector:
   y(i) = get_something( x(i) );
 end
-% jetzt koennen wir den Ergebnisvektor weiter bearbeiten:
-mean(y)
+% Now the result vector can be further processed:
+mean(y);
 \end{lstlisting}
 
-Die Berechnungen in der Schleife k\"onnen statt einer Zahl auch einen Vektor
-zur\"uckgeben. Wenn die L\"ange diese Vektors bekannt ist, dann kann vorher
-eine entsprechend gro{\ss}e Matrix angelegt werden:
-\begin{lstlisting}[caption={\varcode{for}-Schleife zum Schreiben von Zeilen einer Matrix}]
-x = [2:3:20];             % irgendein Vektor
-y = zeros(length(x),10);  % Platz fuer die Ergebnisse
+The computation within the loop could also result in a vector of some
+length and not just a single number. If the length of this vector
+(here 10) is known beforehand, then you should create a matrix of
+appropriate size for storing the results:
+\begin{lstlisting}[caption={\varcode{for}-loop for writing rows of a matrix}]
+x = [2:3:20];             % Some vector.
+% Create space for results -
+% as many rows as loops, as many columns as needed:
+y = zeros(length(x), 10);
 for i=1:length(x)
-  % Schreibe den Rueckgabewert der Funktion get_something - jetzt ein
-  % Vektor mit 10 Elementen - in die i-te
-  % Zeile von y:
-  y(i,:) = get_something( x(i) );
+  % Write the return value of the function get_something - now a 
+  % column vector with 10 elements - into the i-th row of the matrix y:
+  y(i, :) = get_something(x(i));
 end
-% jetzt koennen wir die Ergebnismatrix weiter bearbeiten:
+% Process the results stored in matrix y:
 mean(y, 1)
 \end{lstlisting}
 
-Alternativ k\"onnen die in der Schleife erzeugten Vektoren zu einem
-einzigen, durchgehenden Vektor zusammengestellt werden:
-\begin{lstlisting}[caption={\varcode{for}-Schleife zum Aneinanderh\"angen von Vektoren}]
-x = [2:3:20];        % irgendein Vektor
-y = [];              % Leerer Vektor fuer die Ergebnisse
+Another possibility is that the result vectors (here of unknown size)
+need to be combined into a single large vector:
+\begin{lstlisting}[caption={\varcode{for}-loop for appending vectors}]
+x = [2:3:20];        % Some vector.
+y = [];              % Empty vector for storing the results.
 for i=1:length(x)
-  % Die Funktion get_something gibt einen Vektor zurueck:
-  z = get_something( x(i) );
-  % dessen Inhalt h\"angen wir an den Ergebnissvektor an:
+  % The function get_something() returns a vector of unspecified size:
+  z = get_something(x(i));
+  % The content of z is appended to the result vector y:
   y = [y; z(:)];
-  % z(:) stellt sicher, das wir auf jeden Fall einen Spaltenvektoren aneinanderreihen.
+  % The z(:) syntax ensures that we append column-vectors.
 end
-% jetzt koennen wir dem Ergebnisvektor weiter bearbeiten:
+% Process the results stored in the vector z:
 mean(y)
 \end{lstlisting}
 
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
-\section{Skalieren und Verschieben nicht nur von Zufallszahlen}
-Zufallsgeneratoren geben oft nur Zufallszahlen mit festen Mittelwerten
-und Standardabweichungen (auch Skalierungen) zur\"uck. Multiplikation
-mit einem Faktor skaliert die Standardabweichung und Addition einer Zahl
-verschiebt den Mittelwert.
-\begin{lstlisting}[caption={Skalierung von Zufallszahlen}]
-% 100 random numbers draw from a Gaussian distribution with mean 0 and standard deviation 1.
+\section{Scaling and shifting random numbers, zeros, and ones}
+Random number generators usually return random numbers of a given mean
+and standard deviation. Multiply those numbers by a factor to change their standard deviation and add a number to shift the mean.
+\begin{lstlisting}[caption={Scaling and shifting of random numbers}]
+% 100 random numbers drawn from a normal distribution 
+% with mean 0 and standard deviation 1:
 x = randn(100, 1);
 
-% 100 random numbers drawn from a Gaussian distribution with mean 4.8 and standard deviation 2.3.
+% 100 random numbers drawn from a normal distribution 
+% with mean 4.8 and standard deviation 2.3:
 mu = 4.8;
 sigma = 2.3;
 y = randn(100, 1)*sigma + mu;
 \end{lstlisting}
-Das gleiche Prinzip ist manchmal auch sinnvoll f\"ur \code{zeros()} oder \code{ones()}:
-\begin{lstlisting}[caption={Skalierung von \varcode{zeros()} und \varcode{ones()}}]
-x = -1:0.01:2;      % Vektor mit x-Werten
+
+The same principle can be useful for in the context of the functions
+\mcode{zeros()} or \mcode{ones()}:
+\begin{lstlisting}[caption={Scaling and shifting of \varcode{zeros()} and \varcode{ones()}}]
+x = -1:0.01:2;      % Vector of x-values for plotting
 plot(x, exp(-x.*x));
-% Plotte f\"ur die gleichen x-Werte eine Linie mit y=0.8:
+% Plot for the same x-values a horizontal line with y=0.8:
 plot(x, zeros(size(x))+0.8);
-% ... Linie mit y=0.5:
+% ... or a line with y=0.5:
 plot(x, ones(size(x))*0.5);
 \end{lstlisting}
 
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
-\section{Plotten einer mathematischen Funktion}
-Eine mathematische Funktion ordnet einem beliebigen $x$-Wert einen
-$y$-Wert zu. Um eine solche Funktion zeichnen zu k\"onnen, m\"ussen
-wir eine Wertetabelle aus vielen $x$-Werten und den
-dazugeh\"origen Funktionswerten $y=f(x)$ erstellen. 
-
-Wir erstellen dazu einen Vektor mit geeigneten $x$-Werten, die von
-dem kleinsten bis zu dem gr\"o{\ss}ten $x$-Wert laufen, den wir
-plotten wollen. Die Schrittweite f\"ur die $x$-Werte w\"ahlen wir
-klein genug, um eine sch\"one glatte Kurve zu bekommen. F\"ur jeden
-Wert $x_i$ dieses Vektors berechnen wir den entsprechenden
-Funktionswert und erzeugen damit einen Vektor mit den $y$-Werten. Die
-Werte des $y$-Vektors k\"onnen dann gegen die Werte des $x$-Vektors
-geplottet werden.
-
-Folgende Programme berechnen und plotten die Funktion $f(x)=e^{-x^2}$:
-\begin{lstlisting}[caption={Plotten einer mathematischen Funktion --- sehr ausf\"uhrlich}]
+\section{Plotting  a mathematical function}
+A mathematical function $y=f(x)$ assigns to each value of $x$ a single
+$y$-value. For drawing a function with the computer we need compute a
+table of values with many $x$-values and the corresponding function
+values $y=f(x)$.
+
+We first create a vector with useful $x$-values. They range from the
+smallest to the largest value we want to plot. We also need to set a
+step size that is small enough to result in a smooth plot of the
+function. We then compute for each value $x_i$ of this vector the
+corresponding function value $y_i$ and store them in a vector. We then
+can plot the values of the $y$ vector against the ones of the $x$
+vector.
+
+The following scripts compute and plot the function $f(x)=e^{-x^2}$:
+\begin{lstlisting}[caption={Plotting a mathematical function --- very detailed}]
 xmin = -1.0;
 xmax = 2.0;
-dx = 0.01;          % Schrittweite
-x = xmin:dx:xmax;   % Vektor mit x-Werten
-y = exp(-x.*x);     % keine for Schleife! '.*' fuer elementweises multiplizieren
+dx = 0.01;        % Step size
+x = xmin:dx:xmax; % Vector with x-values.
+y = exp(-x.*x);   % No for loop! '.*' for multiplying the vector elements.
 plot(x, y);
 \end{lstlisting}
 
-\begin{lstlisting}[caption={Plotten einer mathematischen Funktion --- k\"urzer}]
-x = -1:0.01:2;      % Vektor mit x-Werten
-y = exp(-x.*x);     % keine for Schleife! '.*' fuer elementweises multiplizieren
+\begin{lstlisting}[caption={Plotting a mathematical function --- shorter}]
+x = -1:0.01:2;
+y = exp(-x.*x);
 plot(x, y);
 \end{lstlisting}
 
-\begin{lstlisting}[caption={Plotten einer mathematischen Funktion --- sehr kompakt}]
-x = -1:0.01:2;      % Vektor mit x-Werten
+\begin{lstlisting}[caption={Plotting a mathematical function --- compact}]
+x = -1:0.01:2;
 plot(x, exp(-x.*x));
 \end{lstlisting}
 
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
-\section{Normierung von Histogrammen}
-Meistens sollten Histogramme normiert werden, damit sie vergleichbar
-mit anderen Histogrammen oder mit theoretischen
-Wahrscheinlichkeitsverteilungen werden.
-
-Die \code{histogram()} Funktion macht das mit den entsprechenden Parametern automatisch:
-\begin{lstlisting}[caption={Probability-density-function mit der \varcode{histogram()}-Funktion}]
-x = randn(100, 1);    % irgendwelche reellwertige Daten
+\section{Normalizing histograms}
+For estimating probabilities or probability densities from histograms
+we need to normalize them appropriately.
+
+The \mcode{histogram()} function does this automatically with the appropriate arguments:
+\begin{lstlisting}[caption={Probability density with the \varcode{histogram()}-function}]
+x = randn(100, 1);         % Some real-valued data.
 histogram(x, 'Normalization', 'pdf');
 \end{lstlisting}
-\begin{lstlisting}[caption={Probability mit der \varcode{histogram()}-Funktion}]
-x = randi(6, 100, 1);    % irgendwelche integer Daten
+\begin{lstlisting}[caption={Probability mit der \varcode{histogram()}-function}]
+x = randi(6, 100, 1);      % Some integer-valued data.
 histogram(x, 'Normalization', 'probability');
 \end{lstlisting}
-So geht es mit der \code{hist()}-Funktion:
-\begin{lstlisting}[caption={Probability-density-function mit der \varcode{hist()}- und \varcode{bar()}-Funktion}]
-x = randn(100, 1);         % irgendwelche reellwertige Daten
-[h, b] = hist(x);          % Histogram berechnen
-h = h/sum(h)/(b(2)-b(1));  % normieren zu einer Wahrscheinlichkeitsdichte
-bar(b, h);                 % und plotten.
+Alternatively one can normalize the histogram data as returned by the
+\code{hist()}-function manually:
+\begin{lstlisting}[caption={Probability density with the \varcode{hist()}- and \varcode{bar()}-function}]
+x = randn(100, 1);         % Some real-valued data.
+[h, b] = hist(x);          % Compute histogram.
+h = h/sum(h)/(b(2)-b(1));  % Normalization to a probability density.
+bar(b, h);                 % Plot the probability density.
 \end{lstlisting}
-\begin{lstlisting}[caption={Probability mit der \varcode{hist()}- und \varcode{bar()}-Funktion}]
-x = randi(6, 100, 1);    % irgendwelche integer Daten
-[h, b] = hist(x);        % Histogram berechnen
-h = h/sum(h);            % normieren zu Wahrscheinlichkeiten
-bar(b, h);               % und plotten.
+\begin{lstlisting}[caption={Probability with the \varcode{hist()}- and \varcode{bar()}-function}]
+x = randi(6, 100, 1);      % Some integer-valued data.
+[h, b] = hist(x);          % Compute histogram.
+h = h/sum(h);              % Normalize to probability.
+bar(b, h);                 % Plot the probabilities.
 \end{lstlisting}