Improved indices. Added optional parameter for index to *term* macros.
This commit is contained in:
@@ -5,7 +5,7 @@
|
||||
\lstset{inputpath=../code}
|
||||
\graphicspath{{figures/}}
|
||||
|
||||
\setcounter{page}{67}
|
||||
\setcounter{page}{69}
|
||||
\setcounter{chapter}{3}
|
||||
|
||||
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
|
||||
|
||||
@@ -43,8 +43,8 @@ nicht kleiner als der Median ist (\figref{medianfig}).
|
||||
|
||||
\newpage
|
||||
\begin{exercise}{mymedian.m}{}
|
||||
\tr{Write a function \code{mymedian} that computes the median of a vector.}
|
||||
{Schreibe eine Funktion \code{mymedian}, die den Median eines Vektors zur\"uckgibt.}
|
||||
\tr{Write a function \code{mymedian()} that computes the median of a vector.}
|
||||
{Schreibe eine Funktion \code{mymedian()}, die den Median eines Vektors zur\"uckgibt.}
|
||||
\end{exercise}
|
||||
|
||||
\matlab{} stellt die Funktion \code{median()} zur Berechnung des Medians bereit.
|
||||
@@ -55,7 +55,7 @@ nicht kleiner als der Median ist (\figref{medianfig}).
|
||||
returns a median above which are the same number of data than
|
||||
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
|
||||
\code{mymedian()} Funktion wirklich die Zahl zur\"uckgibt, \"uber
|
||||
der genauso viele Datenwerte liegen wie darunter. Das Skript sollte
|
||||
insbesondere verschieden lange Datenvektoren testen.}
|
||||
\end{exercise}
|
||||
@@ -126,8 +126,8 @@ Wahrscheinlichkeitsverteilung der Messwerte abzusch\"atzen.
|
||||
\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(x)}, erzwinge sechs Bins
|
||||
mit \code{hist(x,6)}, oder setze selbst sinnvolle Bins. Normiere
|
||||
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}
|
||||
|
||||
@@ -271,7 +271,7 @@ Korrelations\-koeffizient
|
||||
(x-\langle x \rangle)(y-\langle y \rangle) \rangle}{\sqrt{\langle
|
||||
(x-\langle x \rangle)^2} \rangle \sqrt{\langle (y-\langle y
|
||||
\rangle)^2} \rangle} \]
|
||||
quantifiziert einfache lineare Zusammenh\"ange \matlabfun{corr}. Der
|
||||
quantifiziert einfache lineare Zusammenh\"ange \matlabfun{corr()}. Der
|
||||
Korrelationskoeffizient ist die Covarianz normiert durch die
|
||||
Standardabweichungen. Perfekt korrelierte Variablen ergeben einen
|
||||
Korrelationskoeffizienten von $+1$, antikorrelierte Daten einen
|
||||
|
||||
Reference in New Issue
Block a user