diff --git a/header.tex b/header.tex
index aede0ad..e13c850 100644
--- a/header.tex
+++ b/header.tex
@@ -216,7 +216,7 @@
 \newcommand{\varcode}[1]{\setlength{\fboxsep}{0.5ex}\colorbox{codeback}{\texttt{#1}}}
 \newcommand{\code}[2][]{\varcode{#2}\ifthenelse{\equal{#1}{}}{\protect\sindex[code]{#2}}{\protect\sindex[code]{#1}}}
 \newcommand{\matlab}{\texorpdfstring{MATLAB$^{\copyright}$}{MATLAB}}
-\newcommand{\matlabfun}[2][]{(\tr{\matlab-function}{\matlab-Funktion} \setlength{\fboxsep}{0.5ex}\colorbox{codeback}{\texttt{#1}})\ifthenelse{\equal{#1}{}}{\protect\sindex[code]{#2}}{\protect\sindex[code]{#1}}}
+\newcommand{\matlabfun}[2][]{(\tr{\matlab-function}{\matlab-Funktion} \setlength{\fboxsep}{0.5ex}\colorbox{codeback}{\texttt{#2}})\ifthenelse{\equal{#1}{}}{\protect\sindex[code]{#2}}{\protect\sindex[code]{#1}}}
 
 %%%%% exercises environment: %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 % usage:
diff --git a/plotting/code/automatic_plot.m b/plotting/code/automatic_plot.m
index a923324..0b26a39 100644
--- a/plotting/code/automatic_plot.m
+++ b/plotting/code/automatic_plot.m
@@ -1,15 +1,11 @@
-clear all
-close all
-
 load('pyramidal_response.mat')
 threshold = 20; % mV
 
-figure()
 hold on
-plot(time*1000.0, neuronal_data, 'color', [0.2 0.5 0.7], 'linewidth', 1., ...
-    'displayname', 'Membrane voltage')
-plot(spikes*1000.0, ones(size(spikes)) .* threshold, 'r.', 'markersize', 15, ...
-    'displayname', 'Spike times')
+plot(time*1000.0, neuronal_data, 'color', [0.2 0.5 0.7], ...
+    'linewidth', 1., 'displayname', 'Membrane voltage')
+plot(spikes*1000.0, ones(size(spikes)) .* threshold, 'r.', ...
+    'markersize', 15, 'displayname', 'Spike times')
 line([time(1) time(end)], [threshold threshold], 'linestyle', '--', ...
     'linewidth', 0.75, 'color', [0.5 0.5 0.5], 'displayname', 'Threshold')
 
@@ -24,7 +20,7 @@ set(l,'location','northeast', 'fontsize', 11, 'linewidth', 1.);
 set(gca, 'xminortick','on','yminortick','on')
 set(gca, 'tickdir','out', 'linewidth', 1.5, 'fontname', 'times', ...
     'fontsize', 11)
-set(gcf, 'paperunits', 'centimeters', 'papersize', [15 7.5]);
-set(gcf, 'paperposition',[0.0 0.0 15, 7.5], 'color', 'white')
+set(gcf, 'paperunits', 'centimeters', 'papersize', [15 7]);
+set(gcf, 'paperposition',[0.0 0.0 15, 7], 'color', 'white')
 
-saveas(gcf, [pwd '/../lecture/images/spike_detection.pdf'], 'pdf')
+saveas(gcf, 'spike_detection.pdf', 'pdf')
\ No newline at end of file
diff --git a/plotting/lecture/images/spike_detection.pdf b/plotting/lecture/images/spike_detection.pdf
index 1864b4b..e27de96 100644
Binary files a/plotting/lecture/images/spike_detection.pdf and b/plotting/lecture/images/spike_detection.pdf differ
diff --git a/plotting/lecture/plotting.tex b/plotting/lecture/plotting.tex
index 86164b3..f843f6f 100644
--- a/plotting/lecture/plotting.tex
+++ b/plotting/lecture/plotting.tex
@@ -149,6 +149,23 @@ hinzuzuf\"ugen: (i) das Graphische User Interface oder (ii) die
 Kommandozeile. Beide haben ihre Berechtigung sowie Vor- und
 Nachteile. 
 
+\begin{figure}
+  \begin{minipage}[t]{0.6\textwidth}
+    \includegraphics[height=0.29\textheight]{plot_editor}
+  \end{minipage}
+  \begin{minipage}[t]{0.3\textwidth}
+    \includegraphics[height=0.29\textheight]{property_editor}
+  \end{minipage}
+  \titlecaption{Der \matlab{} Plot-Editor.}{\"Uber das Menu
+    ``Tools $\rightarrow$ Edit Plot'' erreicht man den Plot Editor. Je nachdem
+    welches Element des Plots ausgew\"ahlt wurde, ver\"andern sich
+    die Einstellungsm\"oglichkeiten. Weitere Eigenschaften und
+    Einstellungen k\"onnen \"uber den ``Property Editor'', rechts,
+    eingesehen und ver\"andert werden. Der ``Property Editor'' ist
+    \"uber die Schaltfl\"ache ``More Properties''
+    erreichbar.}\label{ploteditorfig}
+\end{figure}
+
 W\"ahrend es bequem ist, die Abbildung mit der GUI
 (\figref{ploteditorfig}) zu bearbeiten sind die erhaltenen Ergebnisse
 nicht einfach reproduzierbar oder \"ubertragbar. Wenn eine Abbildung
@@ -170,23 +187,6 @@ Jedes dieser Elemente bietet eine Vielzahl von
 Einstellungsm\"oglichkeiten. Wie schon erw\"ahnt, k\"onnen diese
 \"uber die GUI (Abbildung \ref{ploteditorfig}) bearbeitet werden.
 
-\begin{figure}
-  \begin{minipage}[t]{0.6\columnwidth}
-    \includegraphics[width=0.9\textwidth]{plot_editor}
-  \end{minipage}
-  \begin{minipage}[t]{0.3\columnwidth}
-    \includegraphics[width=0.9\textwidth]{property_editor}
-  \end{minipage}
-  \titlecaption{Der \matlab{} Plot-Editor.}{\"Uber das Menu
-    ``Tools $\rightarrow$ Edit Plot'' erreicht man den Plot Editor. Je nachdem
-    welches Element des Plots ausgew\"ahlt wurde, ver\"andern sich
-    die Einstellungsm\"oglichkeiten. Weitere Eigenschaften und
-    Einstellungen k\"onnen \"uber den ``Property Editor'', rechts,
-    eingesehen und ver\"andert werden. Der ``Property Editor'' ist
-    \"uber die Schaltfl\"ache ``More Properties''
-    erreichbar.}\label{ploteditorfig}
-\end{figure}
-
 Alle Einstellungen, die \"uber das graphische Interface vorgenommen
 werden k\"onnen, sind auch \"uber Befehle auf der Kommandozeile
 m\"oglich. Auf diese Weise k\"onnen Einstellungen problemlos in ein
@@ -376,20 +376,6 @@ erstes Argument wieder ein Handle auf die Figure erwartet. Das zweite
 Argument ist der Dateiname, und zuletzt muss das gew\"unschte Format
 (Box \ref{graphicsformatbox}) angegeben werden.
 
-\lstinputlisting[caption={Skript zur Erstellung des Plots in \figref{spikedetectionfig}.}, label=niceplotlisting]{automatic_plot.m}
-
-\begin{figure}[t]
-  \includegraphics{spike_detection}
-  \titlecaption{Automatisch erstellter Plot.}{Dieser Plot wurde vollst\"andig
-    mit dem Skript in Listing \ref{niceplotlisting} erstellt und
-    gespeichert.}\label{spikedetectionfig}
-\end{figure}
-
-Neben den Standard-Linienplots gibt es eine ganze Reihe weiterer
-M\"oglichkeiten Daten zu Visualisieren. Mathworks zeigt auf seiner
-Homepage viele Beispiele mit zugeh\"origem Code
-\url{http://www.mathworks.de/discovery/gallery.html}.
-
 \begin{ibox}[t]{\label{graphicsformatbox}Dateiformate f\"ur Abbildungen.}
   Es gibt zwei grunds\"atzlich verschiedene Arten von Dateiformaten f\"ur
   Graphiken:
@@ -440,6 +426,20 @@ Homepage viele Beispiele mit zugeh\"origem Code
   Rastergraphik allerdings deutlich schneller und speichereffizienter.
 \end{ibox}
 
+\begin{figure}[t]
+  \includegraphics{spike_detection}
+  \titlecaption{Automatisch erstellter Plot.}{Dieser Plot wurde vollst\"andig
+    mit dem Skript in Listing \ref{niceplotlisting} erstellt und
+    gespeichert.}\label{spikedetectionfig}
+\end{figure}
+
+\lstinputlisting[caption={Skript zur Erstellung des Plots in \figref{spikedetectionfig}.}, label=niceplotlisting]{automatic_plot.m}
+
+Neben den Standard-Linienplots gibt es eine ganze Reihe weiterer
+M\"oglichkeiten Daten zu Visualisieren. Mathworks zeigt auf seiner
+Homepage viele Beispiele mit zugeh\"origem Code
+\url{http://www.mathworks.de/discovery/gallery.html}.
+
 
 \section{Fazit}
 
diff --git a/programming/lecture/programming-chapter.tex b/programming/lecture/programming-chapter.tex
index 3c02596..8eb19a1 100644
--- a/programming/lecture/programming-chapter.tex
+++ b/programming/lecture/programming-chapter.tex
@@ -5,7 +5,7 @@
 \lstset{inputpath=../code}
 \graphicspath{{images/}}
 
-\setcounter{page}{3}
+\setcounter{page}{15}
 \setcounter{chapter}{0}
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
diff --git a/programmingstyle/lecture/programmingstyle.tex b/programmingstyle/lecture/programmingstyle.tex
index 9d9db0d..35b3c88 100644
--- a/programmingstyle/lecture/programmingstyle.tex
+++ b/programmingstyle/lecture/programmingstyle.tex
@@ -223,7 +223,7 @@ end
 end
 \end{lstlisting}
 
-\clearpage
+\pagebreak[4]
 
 \begin{lstlisting}[label=cleancode, caption={\"Ubersichtliche Implementation des Random-walk.}]
 num_runs = 10;
@@ -272,6 +272,7 @@ ein v\"ollig unn\"otiger Kommentar.
   \end{itemize}
 \end{important}
 
+\pagebreak[4]
 \section{Dokumentation von Funktionen}
 
 Bei allen vordefinierten \matlab{} Funktionen findet sich am Anfang
@@ -330,6 +331,7 @@ sogenannte \codeterm[Funktion!lokale]{lokale Funktionen} oder auch
 erstellen. Listing \ref{localfunctions} zeigt ein Beispiel f\"ur eine
 lokale Funktion.
 
+\pagebreak[3]
 \lstinputlisting[label=localfunctions, caption={Beispiel f\"ur den
   Einsatz von lokalen Funktionen.}]{calculate_sines.m}
 
diff --git a/statistics/code/checkmymedian.m b/statistics/code/checkmymedian.m
index 14cbe0b..d2d101d 100644
--- a/statistics/code/checkmymedian.m
+++ b/statistics/code/checkmymedian.m
@@ -1,9 +1,9 @@
 % check whether the median returned by mymedian 
 % really separates a vector into two halfs
-for i = 1:140                               % loop over different length
-  for k = 1:10                              % try several times
-    a = randn( i, 1 );                      % generate some data
-    m = mymedian( a );                      % compute median
+for i = 1:140                         % loop over different length
+  for k = 1:10                        % try several times
+    a = randn( i, 1 );                % generate some data
+    m = mymedian( a );                % compute median
     if length( a(a>m) ) ~= length( a(a<m) ) % check
       disp( 'error!' )
     end
diff --git a/statistics/code/gaussianbins.m b/statistics/code/gaussianbins.m
index 02c5c98..9e8c13e 100644
--- a/statistics/code/gaussianbins.m
+++ b/statistics/code/gaussianbins.m
@@ -1,15 +1,14 @@
-x = randn( 100, 1 );   % generate some data
-db1=2;
-db2 = 0.5;
-bins1 = -4:db1:4;        % large bins
-bins2 = -4:db2:4;        % small bins
+x = randn(100, 1);   % generate some data
+
+bins1 = -4:2:4;      % large bins
+bins2 = -4:0.5:4;    % small bins
 [h1,b1] = hist(x,bins1);
 [h2,b2] = hist(x,bins2);
 
 subplot( 1, 2, 1 );
-bar(b1,h1)
+bar(b1, h1)
 hold on 
-bar(b2,h2, 'facecolor', 'r' )
+bar(b2, h2, 'facecolor', 'r' )
 xlabel('x')
 ylabel('Frequency')
 hold off
diff --git a/statistics/code/gaussianpdf.m b/statistics/code/gaussianpdf.m
index 97dbc8c..7f9b58b 100644
--- a/statistics/code/gaussianpdf.m
+++ b/statistics/code/gaussianpdf.m
@@ -12,16 +12,15 @@ hold off
 
 % compute integral between x1 and x2:
 P = sum(p((x>=x1)&(x<x2)))*dx;
-fprintf( 'The integral between %.2g and %.2g is %.3g\n', x1, x2, P );
+fprintf( 'Integral between %.2g and %.2g: %.3g\n', x1, x2, P );
 
 % draw random numbers:
 r = randn( 10000, 1 );
 
 % check P:
 Pr = sum((r>=x1)&(r<x2))/length(r);
-fprintf( 'The probability of getting a number between %.2g and %.2g is %.3g\n', x1, x2, Pr );
+fprintf( 'Probability of a number between %.2g and %.2g: %.3g\n', x1, x2, Pr );
 
 % infinite integral:
 P = sum(p)*dx;
-fprintf( 'The integral between -infinity and +infinity is %.3g\n', P );
-fprintf( 'I.e. the probability to get any number is %.3g\n', P );
+fprintf( 'Integral between -infinity and +infinity: %.3g\n', P );
diff --git a/statistics/lecture/boxwhisker.py b/statistics/lecture/boxwhisker.py
index 9fe31fe..c3cc373 100644
--- a/statistics/lecture/boxwhisker.py
+++ b/statistics/lecture/boxwhisker.py
@@ -5,7 +5,7 @@ rng = np.random.RandomState(981)
 x = rng.randn( 40, 10 )
 
 plt.xkcd()
-fig = plt.figure( figsize=(6,4) )
+fig = plt.figure( figsize=(6,3.4) )
 ax = fig.add_subplot( 1, 1, 1 )
 ax.spines['right'].set_visible(False)
 ax.spines['top'].set_visible(False)
diff --git a/statistics/lecture/pdfprobabilities.py b/statistics/lecture/pdfprobabilities.py
index a05b322..26c8e22 100644
--- a/statistics/lecture/pdfprobabilities.py
+++ b/statistics/lecture/pdfprobabilities.py
@@ -8,7 +8,7 @@ x1=0.0
 x2=1.0
 
 plt.xkcd()
-fig = plt.figure( figsize=(6,3.8) )
+fig = plt.figure( figsize=(6,3.4) )
 ax = fig.add_subplot( 1, 1, 1 )
 ax.spines['right'].set_visible(False)
 ax.spines['top'].set_visible(False)
diff --git a/statistics/lecture/quartile.py b/statistics/lecture/quartile.py
index dbdd202..f67133f 100644
--- a/statistics/lecture/quartile.py
+++ b/statistics/lecture/quartile.py
@@ -7,7 +7,7 @@ g = np.exp(-0.5*x*x)/np.sqrt(2.0*np.pi)
 q = [ -0.67488, 0.0, 0.67488 ]
 
 plt.xkcd()
-fig = plt.figure( figsize=(6,4) )
+fig = plt.figure( figsize=(6,3.4) )
 ax = fig.add_subplot( 1, 1, 1 )
 ax.spines['right'].set_visible(False)
 ax.spines['top'].set_visible(False)
diff --git a/statistics/lecture/statistics.tex b/statistics/lecture/statistics.tex
index f61a971..a973847 100644
--- a/statistics/lecture/statistics.tex
+++ b/statistics/lecture/statistics.tex
@@ -60,6 +60,11 @@ nicht kleiner als der Median ist (\figref{medianfig}).
     insbesondere verschieden lange Datenvektoren testen.}
 \end{exercise}
 
+\begin{figure}[t]
+  \includegraphics[width=1\textwidth]{quartile}
+  \titlecaption{\label{quartilefig} Median und Quartile einer Normalverteilung.}{}
+\end{figure}
+
 Eine Wahrscheinlichkeitsverteilung kann weiter durch die Position
 ihrere \determ[Quartil]{Quartile} charakterisiert werden. Zwischen den
 Quartilen liegen jeweils 25\,\% der Daten
@@ -67,11 +72,6 @@ Quartilen liegen jeweils 25\,\% der Daten
 Einteilung. Das 3. Quartil ist das 75. Perzentil, da 75\,\% der Daten
 unterhalb des 3. Quartils liegen.
 
-\begin{figure}[t]
-  \includegraphics[width=1\textwidth]{quartile}
-  \titlecaption{\label{quartilefig} Median und Quartile einer Normalverteilung.}{}
-\end{figure}
-
 % \begin{definition}[\tr{quartile}{Quartile}]
 %   Die Quartile Q1, Q2 und Q3 unterteilen die Daten in vier gleich
 %   gro{\ss}e Gruppen, die jeweils ein Viertel der Daten enthalten.
@@ -119,20 +119,6 @@ Wertebereich meist in angrenzende und gleich gro{\ss}e Intervalle.
 Histogramme k\"onnen verwendet werden, um die
 \determ{Wahrscheinlichkeitsverteilung} der Messwerte abzusch\"atzen.
 
-\begin{exercise}{rollthedie.m}{}
-  \tr{Write a function that simulates rolling a die $n$ times.}
-  {Schreibe eine Funktion, die das $n$-malige W\"urfeln mit einem W\"urfel simuliert.}
-\end{exercise}
-
-\begin{exercise}{diehistograms.m}{}
-  \tr{Plot histograms from rolling the die 20, 100, 1000 times.  Use
-    the plain hist(x) function, force 6 bins via hist( x, 6 ), and set
-    meaningfull bins positions.}  {Plotte Histogramme von 20, 100, und
-    1000-mal w\"urfeln.  Benutze \code[hist()]{hist(x)}, erzwinge sechs Bins
-    mit \code[hist()]{hist(x,6)}, oder setze selbst sinnvolle Bins. Normiere
-    anschliessend das Histogram auf geeignete Weise.}
-\end{exercise}
-
 \begin{figure}[t]
   \includegraphics[width=1\textwidth]{diehistograms}
   \titlecaption{\label{diehistogramsfig} Histogramme des Ergebnisses
@@ -143,7 +129,6 @@ Histogramme k\"onnen verwendet werden, um die
     vergleichbar.}
 \end{figure}
 
-\newpage
 Bei ganzzahligen Messdaten (z.B. die Augenzahl eines W\"urfels oder
 die Anzahl von Aktionspotentialen in einem bestimmten Zeitfenster)
 kann f\"ur jede auftretende Zahl eine Klasse definiert werden.  Damit
@@ -154,6 +139,18 @@ Histogrammbalken gibt dann die Wahrscheinlichkeit $P(x_i)$ des
 Auftretens der Gr\"o{\ss}e $x_i$ in der $i$-ten Klasse an
 \[ P_i = \frac{n_i}{N} = \frac{n_i}{\sum_{i=1}^M n_i} \; . \]
 
+\begin{exercise}{rollthedie.m}{}
+  \tr{Write a function that simulates rolling a die $n$ times.}
+  {Schreibe eine Funktion, die das $n$-malige W\"urfeln mit einem W\"urfel simuliert.}
+\end{exercise}
+
+\begin{exercise}{diehistograms.m}{}
+  Plotte Histogramme von 20, 100, und 1000-mal W\"urfeln.  Benutze
+  \code[hist()]{hist(x)}, erzwinge sechs Bins mit
+  \code[hist()]{hist(x,6)}, oder setze selbst sinnvolle Bins. Normiere
+  anschliessend das Histogram.
+\end{exercise}
+
 
 \section{\tr{Probability density function}{Wahrscheinlichkeitsdichte}}
 
@@ -191,7 +188,9 @@ Da die Wahrscheinlichkeit irgendeines Wertes $x$ Eins ergeben muss gilt die Norm
 \begin{equation}
   \label{pdfnorm}
   P(-\infty < x < \infty) = \int\limits_{-\infty}^{+\infty} p(x) \, dx = 1 \; .
-\end{equation} 
+\end{equation}
+
+\pagebreak[2]
 Die gesamte Funktion $p(x)$, die jedem Wert $x$ einen
 Wahrscheinlichkeitsdichte zuordnet wir auch
 \determ{Wahrscheinlichkeitsdichtefunktion} (\enterm{probability
@@ -204,9 +203,7 @@ Wahrscheinlichkeitsdichtefunktion ist die der \determ{Normalverteilung}
 --- die \determ{Gau{\ss}sche-Glockenkurve} mit Mittelwert $\mu$ und
 Standardabweichung $\sigma$.
 
-\newpage
 \begin{exercise}{gaussianpdf.m}{gaussianpdf.out}
-  \vspace{-3ex}
   \begin{enumerate}
   \item Plotte die Wahrscheinlichkeitsdichte der Normalverteilung $p_g(x)$.
   \item Berechne f\"ur die Normalverteilung mit Mittelwert Null und
@@ -237,6 +234,7 @@ Standardabweichung $\sigma$.
     unterschiedlichen Klassenbreiten. Was f\"allt auf?}
 \end{exercise}
 
+\pagebreak[2]
 Damit Histogramme von reellen Messwerten trotz unterschiedlicher
 Anzahl von Messungen und unterschiedlicher Klassenbreiten
 untereinander vergleichbar werden und mit bekannten
@@ -255,6 +253,7 @@ und das normierte Histogramm hat die H\"ohe
 Es muss also nicht nur durch die Summe, sondern auch durch die Breite
 $\Delta x$ der Klassen geteilt werden (\figref{pdfhistogramfig}).
 
+\pagebreak[4]
 \begin{exercise}{gaussianbinsnorm.m}{}
   Normiere das Histogramm der vorherigen \"Ubung zu einer Wahrscheinlichkeitsdichte.
 \end{exercise}