Improved indices. Added optional parameter for index to *term* macros.

Makefile

@@ -20,7 +20,7 @@ index :
 	pdflatex -interaction=scrollmode $(BASENAME).tex | tee /dev/stderr | fgrep -q "Rerun to get cross-references right" && pdflatex $(BASENAME).tex || true
 
 clean :
-	rm -f *~  $(BASENAME).aux $(BASENAME).log $(BASENAME).out $(BASENAME).toc $(BASENAME).lo?  $(BASENAME).idx $(BASENAME)-term.i* $(BASENAME)-code.i*
+	rm -f *~  $(BASENAME).aux $(BASENAME).log $(BASENAME).out $(BASENAME).toc $(BASENAME).lo?  $(BASENAME).idx $(BASENAME)-term.i* $(BASENAME)-enterm.i* $(BASENAME)-code.i*
 	for sd in $(SUBDIRS); do $(MAKE) -C $$sd/lecture clean; done
 
 cleanall : clean

bootstrap/lecture/bootstrap.tex

@@ -186,7 +186,7 @@ Bestimme die Signifikanz eines Korrelationskoeffizienten.
 \item Berechne den Korrelationskoeffizient dieser Datenpaare.
 \item Generiere die Verteilung der Nullhypothese ``unkorrelierte
   Daten'' indem die $x$- und $y$-Daten 1000-mal unabh\"angig
-  permutiert werden \matlabfun{randperm} und jeweils der
+  permutiert werden \matlabfun{randperm()} und jeweils der
   Korrelationskoeffizient berechnet wird.
 \item Bestimme aus den Nullhypothesendaten das 95\,\%-Perzentil und
   vergleiche es mit dem tats\"achlichen Korrelationskoeffizienten.

designpattern/lecture/designpattern.tex

@@ -86,7 +86,7 @@ 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}:
+Das gleiche Prinzip ist manchmal auch sinnvoll f\"ur \code{zeros()} oder \code{ones()}:
 \begin{lstlisting}[caption={Skalierung von zeros und ones}]
 x = -1:0.01:2;      % Vektor mit x-Werten
 plot(x, exp(-x.*x));
@@ -141,7 +141,7 @@ 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:
+Die \code{histogram()} Funktion macht das mit den entsprechenden Parametern automatisch:
 \begin{lstlisting}[caption={Probability-density-function mit der histogram-Funktion}]
 x = randn(100, 1);    % irgendwelche reellwertige Daten
 histogram(x, 'Normalization', 'pdf');

header.tex

@@ -27,7 +27,8 @@
 \usepackage[makeindex]{splitidx}
 \makeindex
 \newindex[Fachbegriffe]{term}
-\newindex[Code]{code}
+\newindex[Englische Fachbegriffe]{enterm}
+\newindex[MATLAB Code]{code}
 
 %%%%% units %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \usepackage[mediumspace,mediumqspace,Gray]{SIunits}      % \ohm, \micro
@@ -189,9 +190,10 @@
 \newcommand{\koZ}{\mathds{C}}
 
 %%%%% english, german, code and file terms: %%%%%%%%%%%%%%%
-\newcommand{\enterm}[1]{``#1''\protect\sindex[term]{#1}}
+\usepackage{ifthen}
-\newcommand{\determ}[1]{\textit{#1}\protect\sindex[term]{#1}}
+\newcommand{\enterm}[2][]{``#2''\ifthenelse{\equal{#1}{}}{\protect\sindex[enterm]{#2}}{\protect\sindex[term]{#1}}}
-\newcommand{\codeterm}[1]{\textit{#1}\protect\sindex[term]{#1}}
+\newcommand{\determ}[2][]{\textit{#2}\ifthenelse{\equal{#1}{}}{\protect\sindex[term]{#2}}{\protect\sindex[term]{#1}}}
+\newcommand{\codeterm}[2][]{\textit{#2}\ifthenelse{\equal{#1}{}}{\protect\sindex[term]{#2}}{\protect\sindex[term]{#1}}}
 \newcommand{\file}[1]{\texttt{#1}}
 
 %%%%% key-shortcuts %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
@@ -203,9 +205,9 @@
 %%%%% code/matlab commands: %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \usepackage{textcomp}
 \newcommand{\varcode}[1]{\setlength{\fboxsep}{0.5ex}\colorbox{codeback}{\texttt{#1}}}
-\newcommand{\code}[1]{\varcode{#1}\sindex[code]{#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}[1]{(\tr{\matlab{}-function}{\matlab-Funktion} \setlength{\fboxsep}{0.5ex}\colorbox{codeback}{\texttt{#1}})\sindex[code]{#1}}
+\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}}}
 
 %%%%% exercises environment: %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 % usage:
@@ -224,7 +226,6 @@
 % content of someoutput.out
 %
 % Innerhalb der exercise Umgebung ist enumerate umdefiniert, um (a), (b), (c), .. zu erzeugen.
-\usepackage{ifthen}
 \usepackage{mdframed}
 \usepackage{xstring}
 \newcommand{\codepath}{}

likelihood/lecture/likelihood.tex

@@ -195,7 +195,7 @@ die Steigung $m$ und der y-Achsenabschnitt $b$ einer Geradengleichung
 \[ y = m \cdot x +b \]
 oder allgemeiner die Koeffizienten $a_k$ eines Polynoms
 \[ y = \sum_{k=0}^N a_k x^k = a_o + a_1x + a_2x^2 + a_3x^4 + \ldots \]
-\matlabfun{polyfit}.
+\matlabfun{polyfit()}.
 
 Parameter, die nichtlinear in einer Funktion enthalten sind, k\"onnen
 im Gegensatz dazu nicht analytisch aus den Daten berechnet
@@ -203,7 +203,7 @@ werden. z.B. die Rate $\lambda$ eines exponentiellen Zerfalls
 \[ y = c \cdot e^{\lambda x} \quad , \quad c, \lambda \in \reZ \; . \]
  F\"ur diesen Fall bleibt dann nur auf numerische Verfahren zur
 Optimierung der Kostenfunktion, wie z.B. der Gradientenabstieg,
-zur\"uckzugreifen \matlabfun{lsqcurvefit}.
+zur\"uckzugreifen \matlabfun{lsqcurvefit()}.
 
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
@@ -243,7 +243,7 @@ Maximum Likelihood! Wir suchen einfach die Parameter $\theta$ der
 gesuchten Wahrscheinlichkeitsdichtefunktion bei der die Log-Likelihood
 \eqnref{loglikelihood} maximal wird. Das ist im allgemeinen ein
 nichtlinieares Optimierungsproblem, das mit numerischen Verfahren, wie
-z.B. dem Gradientenabstieg, gel\"ost wird \matlabfun{mle}.
+z.B. dem Gradientenabstieg, gel\"ost wird \matlabfun{mle()}.
 
 \begin{exercise}{mlegammafit.m}{mlegammafit.out}
   Erzeuge Gammaverteilte Zufallszahlen und benutze Maximum-Likelihood,

plotting/lecture/plotting.tex

@@ -34,13 +34,13 @@ Zwecken genutzt wird.
   Ein Datenplot muss ausreichend beschriftet werden:
   \begin{itemize}
   \item Alle Achsen m\"ussen eine Bezeichnung und eine Einheit erhalten\\
-    (z.B. \code{xlabel('Geschwindigkeit [m/s]'}).
+    (z.B. \code[xlabel()]{xlabel('Geschwindigkeit [m/s]'}).
   \item Wenn mehrere Dinge in einem Plot dargestellt werden, m\"ussen
     diese mit einer Legende oder \"ahnlichem benannt werden
     \matlabfun{legend()}.
   \item Mehrere Plots mit den gleichen Gr\"o{\ss}en auf den Achsen,
     m\"ussen den gleichen Wertebereich auf den Achsen zeigen
-    (z.B. \code{xlim([0 100])}.\\
+    (z.B. \code[xlim()]{xlim([0 100])}.\\
     Ausnahmen sind m\"oglich, sollten aber in der
     Abbildungsunterschrift erw\"ahnt werden.
   \item Die Beschriftung mu{\ss} gro{\ss} genug sein, um lesbar zu sein.
@@ -142,7 +142,7 @@ darzustellen (\figref{misleadingsymbolsfig}).
 \section{Das Plottingsystem von \matlab{}}
 
 Plotten in \matlab{} ist zun\"achst einmal einfach. Durch den Aufruf
-von \code{plot(x, y)} wird ein einfacher, schlichter Linienplot
+von \code[plot()]{plot(x, y)} wird ein einfacher, schlichter Linienplot
 erstellt. Diesem Plot fehlen jedoch jegliche Annotationen wie
 Achsbeschriftungen, Legenden, etc. Es gibt zwei M\"oglichkeiten diese
 hinzuzuf\"ugen: (i) das Graphische User Interface oder (ii) die
@@ -212,9 +212,9 @@ Datens\"atzen erstellt werden soll.
 \subsection{Einfaches Plotten}
 
 Einen einfachen Linienplot zu erstellen ist denkbar
-einfach. Angenommen, es existiert einer Variable \code{y} im
+einfach. Angenommen, es existiert einer Variable \varcode{y} im
 \enterm{Workspace}, die die darzustellenden Daten enth\"alt. Es
-gen\"ugt folgender Funktionsaufruf: \code{plot(y)}. Wenn bislang noch
+gen\"ugt folgender Funktionsaufruf: \code[plot()]{plot(y)}. Wenn bislang noch
 keine Abbildung erstellt wurde, \"offnet \matlab{} ein neues Fenster
 und stellt die Daten als Linienplot dar. Dabei werden die Datenpunkte
 durch eine Linie verbunden. Die Messpunkte selbst sind nicht
@@ -223,14 +223,14 @@ ersetzt. Das Festhalten von bestehenden Plots kann an- oder abgestellt
 werden indem \code{hold on} bzw. \code{hold off} vor dem \code{plot()}
 Befehl aufgerufen wird.
 
-Im obigen Plot Aufruf wird nur ein Argument, das \code{y}, an die
+Im obigen Plot Aufruf wird nur ein Argument, das \varcode{y}, an die
-Funktion \code{plot} \"ubergeben. \code{plot} erh\"alt nur die
+Funktion \code{plot()} \"ubergeben. \code{plot()} erh\"alt nur die
 y-Werte. \matlab{} substituiert in diesem Fall die fehlenden x-Werte,
 indem eine Schrittweite von 1 angenommen wird. Die x-Achse reicht also
-von 1 bis zur L\"ange des Vektors \code{y}. Diese Skalierung der
+von 1 bis zur L\"ange des Vektors \varcode{y}. Diese Skalierung der
 x-Achse ist nur in den wenigsten F\"allen erw\"unscht. Besser ist es,
 die zugeh\"origen x-Werte explixit zu \"ubergeben und so z.B. die
-y-Werte als Funktion der Zeit darzustellen (\code{plot(x, y)}).
+y-Werte als Funktion der Zeit darzustellen (\code[plot()]{plot(x, y)}).
 Standard\"a{\ss}ig wird der erste Lininenplot in blau, mit
 durchgezogener Linie, ohne Marker und der Strichst\"arke 1
 dargestellt. Der zweite Linienplot erh\"alt automatisch die Farbe
@@ -291,11 +291,11 @@ die Farbe und die verschiedenen Marker.
 \subsection{Ver\"andern von Linieneigenschaften}
 
 Die Eigenschaften des Linienplots k\"onnen \"uber weitere Argumente
-des \code{plot} Befehls ver\"andert werden. Folgender Aufruf (Listing
+der \code{plot()} Funktion ver\"andert werden. Folgender Aufruf (Listing
 \ref{settinglineprops})erzeugt einen roten Linienplot mit gepunkteter
 Linie der St\"arke 1.5 und Sternmarkern an den Positionen der
 Datenpunkte. Zus\"atzlich wird noch die Eigenschaft
-\codeterm{displayname} gesetzt, um dem Linienplot einen Namen zu
+\code{displayname} gesetzt, um dem Linienplot einen Namen zu
 geben, der in einer Legende verwendet werden kann.
 
 \begin{lstlisting}[label=settinglineprops, caption={Setzen von Linieneigenschaften beim \varcode{plot} Aufruf}]
@@ -307,46 +307,47 @@ geben, der in einer Legende verwendet werden kann.
 \subsection{Ver\"andern von Achseneigenschaften}
 
 Das erste, was ein Plot zus\"atzlich braucht, ist eine
-Achsenbeschriftung. Mithilfe der Funktionen \code{xlabel('Time [ms]')}
+Achsenbeschriftung. Mithilfe der Funktionen \code[xlabel()]{xlabel('Time [ms]')}
-und \code{ylabel('Voltage [V]')} k\"onnen diese gesetzt
+und \code[ylabel()]{ylabel('Voltage [V]')} k\"onnen diese gesetzt
 werden. 
 
 Standardm\"a{\ss}ig setzt Matlab die Grenzen der x- und y-Achse so,
 dass die Daten hineinpassen. Dabei wird meist auf den n\"achsten
-ganzzahligen Wert aufgerundet. Mit den Funktionen \code{xlim} und
+ganzzahligen Wert aufgerundet. Mit den Funktionen \code{xlim()} und
-\code{ylim} k\"onnen die Grenezen der Achsen aber auch manuell
+\code{ylim()} k\"onnen die Grenezen der Achsen aber auch manuell
-eingestellt werden. Die Funktionen \code{xlim} und \code{ylim}
+eingestellt werden. Die Funktionen \code{xlim()} und \code{ylim()}
 erwarten als Argument einen 2-elementigen Vektor mit dem Minimum und
 dem Maximum der jeweiligen Achse.  Tabelle \ref{plotaxisprops} listet
-weitere h\"aufig genutzte Einstellungen der Achsen. Mit der \code{set}
+weitere h\"aufig genutzte Einstellungen der Achsen. Mit der
-- Funktion k\"onnen diese ver\"andert werden wie in Zeile 15 in
+\code{set()} - Funktion k\"onnen diese ver\"andert werden wie in Zeile
-Listing \ref{niceplotlisting} gezeigt. Die \code{set} - Funktion
+15 in Listing \ref{niceplotlisting} gezeigt. Die \code{set()} -
-erwartet als erstes Argument ein sogenanntes Handle der Achse, dieses
+Funktion erwartet als erstes Argument ein sogenanntes Handle der
-wird gefolgt von einer beliebig langen Reihe von Eigenschaft-Wert
+Achse, dieses wird gefolgt von einer beliebig langen Reihe von
-Paaren. Soll z.B. das Gitternetz der x-Achse gezeigt werden, wird die
+Eigenschaft-Wert Paaren. Soll z.B. das Gitternetz der x-Achse gezeigt
-Eigenschaft \codeterm{XGrid} auf den Wert \codeterm{'on'} gesetzt:
+werden, wird die Eigenschaft \code{XGrid} auf den Wert
-\code{set(gca, 'XGrid', 'on');}. Das erste Argument ist ein Aufruf der
+\varcode{'on'} gesetzt: \code[set()!set(gca, 'XGrid',
-Funktion \code{gca}, ``get-current-axis'' und ist das Achsenhandle der
+'on')]{set(gca, 'XGrid', 'on');}. Das erste Argument ist ein Aufruf
-gerade aktiven Achse.
+der Funktion \code{gca}, \enterm{get-current-axis} und ist das Achsenhandle
+der gerade aktiven Achse.
 
 \begin{table}[tp] 
-  \titlecaption{Ausgew\"ahlte Eigenschaften der Achse.}{ Alle Eigenschaften der Achse findet man in der Hilfe oder im \codeterm{Property Editor} (\figref{ploteditorfig}). Wenn es eine definierte Auswahl von Einstellungen gibt, z.B. bei der Eigenschaft \codeterm{Box}, dann ist die Standardeinstellungen als erstes gelistet.}\label{plotaxisprops}
+  \titlecaption{Ausgew\"ahlte Eigenschaften der Achse.}{ Alle Eigenschaften der Achse findet man in der Hilfe oder im \codeterm{Property Editor} (\figref{ploteditorfig}). Wenn es eine definierte Auswahl von Einstellungen gibt, z.B. bei der Eigenschaft \code{Box}, dann ist die Standardeinstellungen als erstes gelistet.}\label{plotaxisprops}
   \begin{tabular*}{1\textwidth}{lp{6.3cm}p{6cm}} \hline
     \textbf{Eigenschaft} & \textbf{Beschreibung} & \textbf{Optionen} \\ \hline
-    \codeterm{Box} & Definiert, ob der Rahmen der Achse vollst\"andig gezeichnet wird. & $\{'on'|'off'\}$ \\
+    \code{Box} & Definiert, ob der Rahmen der Achse vollst\"andig gezeichnet wird. & $\{'on'|'off'\}$ \\
-    \codeterm{Color}  & Hintergrundfarbe des Koordinatensystems. & Beliebige RGB, CMYK ... Werte. \\
+    \code{Color}  & Hintergrundfarbe des Koordinatensystems. & Beliebige RGB, CMYK ... Werte. \\
-    \codeterm{Fontname} & Der Name der Schriftart. & Im System installierte Schriften. \\
+    \code{Fontname} & Der Name der Schriftart. & Im System installierte Schriften. \\
-    \codeterm{FontSize} & Gr\"o{\ss}e der Schrift. & Skalarer Wert.\\
+    \code{FontSize} & Gr\"o{\ss}e der Schrift. & Skalarer Wert.\\
-    \codeterm{FontUnit} & Einheit, in der die Schriftgr\"o{\ss}e bestimmt wird. &  $\{'points' | 'centimeters' | 'inches', ...\}$\\
+    \code{FontUnit} & Einheit, in der die Schriftgr\"o{\ss}e bestimmt wird. &  $\{'points' | 'centimeters' | 'inches', ...\}$\\
-    \codeterm{FontWeight} & Fett- oder Normalsatz der Schrift. & $\{'normal' | 'bold'\}$\\
+    \code{FontWeight} & Fett- oder Normalsatz der Schrift. & $\{'normal' | 'bold'\}$\\
 %     & 'd' \\   ??????
-    \codeterm{TickDir}  & Richtung der Teilstriche auf der Achse. & $\{'in' | 'out'\}$\\
+    \code{TickDir}  & Richtung der Teilstriche auf der Achse. & $\{'in' | 'out'\}$\\
-    \codeterm{TickLength} & L\"ange der Haupt- und Nebenteilstriche & \\
+    \code{TickLength} & L\"ange der Haupt- und Nebenteilstriche & \\
-    \codeterm{X-, Y-, ZDir}  & Richtung der Achsskalierung. & $\{'normal' | 'reversed'\}$\\
+    \code{X-, Y-, ZDir}  & Richtung der Achsskalierung. & $\{'normal' | 'reversed'\}$\\
-    \codeterm{X-, Y-, ZGrid}  & Sollen Gitternetzlinien gezeigt werden? & $\{'off'|'on'\}$ \\
+    \code{X-, Y-, ZGrid}  & Sollen Gitternetzlinien gezeigt werden? & $\{'off'|'on'\}$ \\
-    \codeterm{X-, Y-, ZScale}  & Lineare oder logarithmische Skalierung der Achse. & $\{'linear' | 'log'\}$\\
+    \code{X-, Y-, ZScale}  & Lineare oder logarithmische Skalierung der Achse. & $\{'linear' | 'log'\}$\\
-    \codeterm{X-, Y-, ZTick} & Position der Teilstriche auf der Achse. & Vektor mit Positionen.\\
+    \code{X-, Y-, ZTick} & Position der Teilstriche auf der Achse. & Vektor mit Positionen.\\
-    \codeterm{X-, Y-, ZTickLabel} & Beschriftung der Teilstriche. & Vektor mit entsprechenden Zahlen oder Cell-Array mit Strings.\\ \hline
+    \code{X-, Y-, ZTickLabel} & Beschriftung der Teilstriche. & Vektor mit entsprechenden Zahlen oder Cell-Array mit Strings.\\ \hline
   \end{tabular*}
 \end{table}
 
@@ -357,16 +358,16 @@ gerade aktiven Achse.
   \titlecaption{Ausgew\"ahlte Eigenschaften der \codeterm{Figure}.}{Alle Eigenschaften der Figure findet man in der Hilfe von \matlab{} oder im \codeterm{Property Editor} wenn die Abbildung ausgew\"ahlt wurde (\figref{ploteditorfig}).}\label{plotfigureprops}
   \begin{tabular*}{1\textwidth}{lp{6.3cm}p{6cm}} \hline
     \textbf{Eigenschaft} & \textbf{Beschreibung} & \textbf{Optionen} \\ \hline
-    \codeterm{Color}  & Hintergrundfarbe der Zeichenfl\"ache. & Beliebige RGB, CMYK ... Werte. \\
+    \code{Color}  & Hintergrundfarbe der Zeichenfl\"ache. & Beliebige RGB, CMYK ... Werte. \\
-    \codeterm{PaperPosition} & Position der Abbildung auf dem Papier & 4-elementiger Vektor mit den Positionen der linken-unteren, und rechten-oberen Ecke. \\
+    \code{PaperPosition} & Position der Abbildung auf dem Papier & 4-elementiger Vektor mit den Positionen der linken-unteren, und rechten-oberen Ecke. \\
-    \codeterm{PaperSize} & Gr\"o{\ss}e der des Papiers. & 2-elementiger Vektor mit der Papiergr\"o{\ss}e.\\
+    \code{PaperSize} & Gr\"o{\ss}e der des Papiers. & 2-elementiger Vektor mit der Papiergr\"o{\ss}e.\\
-    \codeterm{PaperUnits} & Einheit, in der die Papiergr\"o{\ss}e bestimmt wird. &  $\{'inches' | 'centimeters' | 'normalized' | 'points'\}$\\
+    \code{PaperUnits} & Einheit, in der die Papiergr\"o{\ss}e bestimmt wird. &  $\{'inches' | 'centimeters' | 'normalized' | 'points'\}$\\
-    \codeterm{Visible} & Hilfreich, wenn ein Plot aus Performanzgr\"unden nicht auf dem Bildschirm gezeigt, sondern direkt gespeichert werden soll. & $\{'on' | 'off'\}$\\ \hline
+    \code{Visible} & Hilfreich, wenn ein Plot aus Performanzgr\"unden nicht auf dem Bildschirm gezeigt, sondern direkt gespeichert werden soll. & $\{'on' | 'off'\}$\\ \hline
   \end{tabular*}
 \end{table}
 
 Wie die Achse, hat auch das \codeterm{Figure} Element eine Reihe von
-Eigenschaften, die nach Bedarf mit der \code{set} - Funktion gesetzt
+Eigenschaften, die nach Bedarf mit der \code{set()} - Funktion gesetzt
 werden k\"onnen (Tabelle \ref{plotfigureprops} listet die
 meistverwendeten). Das erste Argument f\"ur \code{set()} ist jetzt
 aber eine Handle f\"ur die Abbildung, nicht das
@@ -380,7 +381,7 @@ Aufruf des Skripts wird exakt der gleiche Plot (Abbildung
 sind hier vor allem die Zeilen 2 und 3 in denen die Gr\"o{\ss}e der
 Abbildung in Zentimetern definiert wird. In Zeile 16 wird die
 Abbildung dann in genau der angegebenen Gr\"o{\ss}e im ``pdf'' Format
-gespeichert. Dazu wird die Funktion \code{saveas} verwendet, die als
+gespeichert. Dazu wird die Funktion \code{saveas()} verwendet, die als
 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.
@@ -423,10 +424,10 @@ Homepage viele Beispiele mit zugeh\"origem Code
   \end{minipage}
   \hfill
   \begin{minipage}[t]{0.5\textwidth}
-    Von \matlab{} unterst\"utzte Formate\footnote{Auswahl, mehr Information in der Hilfe zu \code{saveas}}:\\[2ex]
+    Von \matlab{} unterst\"utzte Formate\footnote{Auswahl, mehr Information in der Hilfe zu \code{saveas()}}:\\[2ex]
     \begin{tabular}{|l|c|l|}
       \hline
-      \textbf{Format} & \textbf{Typ} & \code{saveas} Argument \rule[-1.2ex]{0pt}{3.5ex} \\ \hline
+      \textbf{Format} & \textbf{Typ} & \code{saveas()} Argument \rule[-1.2ex]{0pt}{3.5ex} \\ \hline
       pdf & Vektor & \varcode{'pdf'} \rule{0pt}{2.5ex} \\
       eps & Vektor & \varcode{'eps'}, \varcode{'epsc'} \\
       SVG & Vektor & \varcode{'svg'} \\

pointprocesses/lecture/pointprocesses-chapter.tex

@@ -5,8 +5,8 @@
 \lstset{inputpath=../code}
 \graphicspath{{figures/}}
 
-\setcounter{page}{}
+\setcounter{page}{111}
-\setcounter{chapter}{-1}
+\setcounter{chapter}{7}
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

pointprocesses/lecture/pointprocesses.tex

@@ -2,7 +2,7 @@
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \chapter{Analyse von Spiketrains}
 
-\determ{Aktionspotentiale} (\enterm{Spikes}) sind die Tr\"ager der
+\determ[Aktionspotential]{Aktionspotentiale} (\enterm{Spikes}) sind die Tr\"ager der
 Information in Nervensystemen.  Dabei ist in erster Linie nur der
 Zeitpunkt des Auftretens eines Aktionspotentials von Bedeutung. Die
 genaue Form des Aktionspotentials spielt keine oder nur eine
@@ -16,7 +16,7 @@ es ergeben sich mehrere \enterm{trials} von Spiketrains
 
 Spiketrains sind Zeitpunkte von Ereignissen --- den Aktionspotentialen
 --- und deren Analyse f\"allt daher in das Gebiet der Statistik von
-sogenannten \determ{Punktprozessen}.
+sogenannten \determ[Punktprozess]{Punktprozessen}.
 
 \begin{figure}[ht]
   \includegraphics[width=1\textwidth]{rasterexamples}
@@ -345,9 +345,10 @@ generiert wurden.
 W\"ahrend die Instantane Rate den Kehrwert der Zeit von einem bis zum
 n\"achsten Aktionspotential misst, sch\"atzt das sogenannte
 \determ{Peri-Stimulus-Zeit-Histogramm} (\enterm{peri stimulus time
-  histogram}, PSTH) die Wahrscheinlichkeit ab, zu einem Zeitpunkt
+  histogram}, \determ[PSTH|see{Peri-Stimulus-Zeit-Histogramm}]{PSTH})
-Aktionspotentiale anzutreffen. Es wird versucht die mittlere Rate \eqnref{firingrate}
+die Wahrscheinlichkeit ab, zu einem Zeitpunkt Aktionspotentiale
-im Grenzwert kleiner Beobachtungszeiten abzusch\"atzen:
+anzutreffen. Es wird versucht die mittlere Rate \eqnref{firingrate} im
+Grenzwert kleiner Beobachtungszeiten abzusch\"atzen:
 \begin{equation}
   \label{psthrate}
   r(t) = \lim_{W \to 0} \frac{\langle n \rangle}{W} \; ,
@@ -378,7 +379,7 @@ Abschnitte (Bins) eingeteilt und die Anzahl Aktionspotentiale, die in
 die jeweiligen Bins fallen, gez\"ahlt (\figref{binpsth} A). Um diese
 Z\"ahlungen in die Feuerrate umzurechnen muss noch mit der Binweite
 normiert werden. Das ist fast so, wie beim Absch\"atzen einer
-Wahrscheinlichkeitsdichte. Es kann auch die \code{hist} Funktion zur
+Wahrscheinlichkeitsdichte. Es kann auch die \code{hist()} Funktion zur
 Bestimmung des PSTHs verwendet werden.
 
 Die bestimmte Feuerrate gilt f\"ur das gesamte Bin (\figref{binpsth}
@@ -439,7 +440,7 @@ Spiketrains.
 Die graphischer Darstellung der Feuerrate allein reicht nicht aus um
 den Zusammenhang zwischen neuronaler Antwort und einem Stimulus zu
 analysieren.  Eine Methode um mehr \"uber diesen Zusammenhang zu erfahren,
-ist der \enterm{Spike-triggered average} (STA). Der STA 
+ist der \enterm{Spike-triggered average} (\enterm[STA|see{Spike-triggered average}]{STA}). Der STA 
 \begin{equation}
   STA(\tau) = \langle s(t - \tau) \rangle = \frac{1}{N} \sum_{i=1}^{N} s(t_i - \tau)
 \end{equation}
@@ -477,12 +478,12 @@ antworten.
 
 Der STA kann auch dazu benutzt werden, aus den Antworten der Zelle den
 Stimulus zu rekonstruieren (\figref{stafig} B). Bei der
-\determ{invertierten Rekonstruktion} wird die Zellantwort mit dem STA
+\determ[invertierte Rekonstruktion]{invertierten Rekonstruktion} wird
-verfaltet.
+die Zellantwort mit dem STA verfaltet.
 
 \begin{exercise}{spikeTriggeredAverage.m}{}
   Implementiere eine Funktion, die den STA ermittelt. Verwende dazu
-  den Datensatz \codeterm{sta\_data.mat}. Die Funktion sollte folgende
+  den Datensatz \file{sta\_data.mat}. Die Funktion sollte folgende
   R\"uckgabewerte haben:
   \begin{itemize}
   \item den Spike-Triggered-Average.
@@ -495,7 +496,7 @@ verfaltet.
   Rekonstruiere den Stimulus mithilfe des STA und der Spike
   Zeiten. Die Funktion soll Vektor als R\"uckgabewert haben, der
   genauso gro{\ss} ist wie der Originalstimulus aus der Datei
-  \codeterm{sta\_data.mat}.
+  \file{sta\_data.mat}.
 \end{exercise}
 
 

programming/lecture/programming.tex

@@ -199,7 +199,7 @@ Dimension die Gr\"o{\ss}e 1 hat.
 
 Im Gegensatz zu Variablen, die einzelene Werte beinhalten
 (Skalare), kann ein Vektor mehrere Werte des gleichen Datentyps
-beinhalten (Abbildung \ref{vectorfig} B). Die Variable \code{a}
+beinhalten (Abbildung \ref{vectorfig} B). Die Variable \varcode{a}
 enth\"alt im Beispiel in Abbildung \ref{vectorfig} vier ganzzahlige Werte. 
 
 \begin{figure}
@@ -228,10 +228,10 @@ k\"onnen.
   0  2  4  6  8  10
 \end{lstlisting}
 Die L\"ange eines Vektors, d.h. die Anzahl der Elemente des Vektors,
-kann mithilfe der Funktionen \code{length()} und \code{numel} bestimmt
+kann mithilfe der Funktionen \code{length()} und \code{numel()} bestimmt
 werden. \"Ahnliche Information kann \"uber die Funktion \code{size()}
 erhalten werden (Listing \ref{arrayListing2}). Im Falle des Vektors
-\code{a} von oben erh\"alt man folgende Ausgabe:
+\varcode{a} von oben erh\"alt man folgende Ausgabe:
 
 \begin{lstlisting}[label=arrayListing2, caption={Gr\"o{\ss}e von Vektoren.}]
   >> length(a)
@@ -244,7 +244,7 @@ erhalten werden (Listing \ref{arrayListing2}). Im Falle des Vektors
 
 Diese Ausgabe zeigt, dass Vektoren im Grunde 2-dimensional sind. Bei
 einem Zeilenvektor hat die erste Dimension die Gr\"o{\ss}e
-1. \code{length(a)} gibt die l\"angste Ausdehnung an. Der \code{'}-
+1. \code[length()]{length(a)} gibt die l\"angste Ausdehnung an. Der \code{'}-
 Operator transponiert den Spaltenvektor zu einem Zeilenvektor (Zeilen 14 ff.).
 
 
@@ -323,7 +323,7 @@ Element gleichzeitig zuzugreifen.
 \end{lstlisting}
 
 \begin{exercise}{vectorsize.m}{vectorsize.out}
-  Der R\"uckgabewert von \code{size(a)} ist wieder ein Vektor der
+  Der R\"uckgabewert von \code[size()]{size(a)} ist wieder ein Vektor der
   L\"ange 2. Wie k\"onnte man also die Gr\"o{\ss}e von \varcode{a} in der
   zweiten Dimension herausfinden?
 \end{exercise}
@@ -470,14 +470,14 @@ einzelnen Zeilen der Matrize.
 Zur Defintion von mehr-dimensionalen Matrizen ist die Notation in
 Zeile 1 nicht geeignet. Es gibt allerdings eine Reihe von
 Helferfunktionen, die n-dimensionale Matrizen erstellen k\"onnen
-(z.B. \code{ones}, Zeile 7). Sollte sich die Notwendigkeit ergeben
+(z.B. \code{ones()}, Zeile 7). Sollte sich die Notwendigkeit ergeben
-mehrdimensionale Matrizen zusammenzuf\"ugen hilft die \code{cat}
+mehrdimensionale Matrizen zusammenzuf\"ugen hilft die \code{cat()}
 Funktion.
 
 Um Informationen \"uber die Gr\"o{\ss}e einer Matrize zu bekommen ist
-die Funktion \code{length} nicht geeignet. Wie oben erw\"ahnt gibt sie
+die Funktion \code{length()} nicht geeignet. Wie oben erw\"ahnt gibt sie
 die Gr\"o{\ss}e der l\"angsten Dimension aus. Wann immer es um
-Matrizen geht, wird \code{size} benutzt.
+Matrizen geht, wird \code{size()} benutzt.
 
 \begin{figure}
   \includegraphics[width=0.9\columnwidth]{matrixIndexing}
@@ -524,7 +524,7 @@ Alternativ zum \codeterm{subscript indexing} k\"onnen die Zellen einer
 Matrize auch \emph{linear} angesprochen werden (Abbildung
 \ref{matrixlinearindexingfig}). Diese Art der Adressierung ist nicht
 so intuitiv verst\"andlich, kann aber sehr hilfreich sein. Der
-``linare'' Index einer Zelle reicht von 1 bis \code{numel(M)}
+``linare'' Index einer Zelle reicht von 1 bis \code[numel()]{numel(M)}
 Elemente. Wobei dieser erst entlang der 1. Dimension, dann der 2.,
 3. etc. Dimension ansteigt. Listing \ref{matrixLinearIndexing} zeigt
 ein Beispiel f\"ur den Einsatz des linearen Indizierens z.B. wenn man
@@ -682,7 +682,7 @@ zu wahr oder falsch ausgewertet werden wird. Wenn zwei Aussagen mit
 einem UND verkn\"upft werden und der erste zu falsch ausgewertet wird,
 muss der zweite gar nicht mehr gepr\"uft werden. Die Verwendung der
 ``short-circuit'' Versionen spart Rechenzeit. Das auschlie{\ss}ende ODER
-(XOR) ist in \matlab{} nur als Funktion \code{xor(A, B)} verf\"ugbar.
+(XOR) ist in \matlab{} nur als Funktion \code[xor()]{xor(A, B)} verf\"ugbar.
 
 \begin{table}[th]
   \titlecaption{\label{logicaloperators}
@@ -935,7 +935,7 @@ end
 \begin{exercise}{facultyLoop.m}{facultyLoop.out}
   Wie k\"onnte Fakult\"at mit einer Schleife implementiert werden?
   Implementiere eine \code{for} Schleife, die die Fakul\"at von einer
-  Zahl \code{n} berechnet.
+  Zahl \varcode{n} berechnet.
 \end{exercise}
 
 
@@ -1254,18 +1254,18 @@ hei{\ss}en soll, (ii) welche Information sie ben\"otigt und (iii)
 welche Daten sie zur\"uckliefern soll. 
 
 \begin{enumerate}
-\item \codeterm{Name:} der Name sollte beschreiben, was die Funktion
+\item \codeterm{Name}: der Name sollte beschreiben, was die Funktion
   tut. In diesem Fall berechnet sie einen Sinus. Ein geeigneter Name
-  w\"are also \code{calculate\_sinewave}.
+  w\"are also \code{calculate\_sinewave()}.
-\item \codeterm{Argumente:} die zu brechnende Sinusschwingung sei durch
+\item \codeterm{Argumente}: die zu brechnende Sinusschwingung sei durch
   ihre Frequenz und die Amplitude bestimmt. Des Weiteren soll noch
   festgelegt werden, wie lang der Sinus sein soll und mit welcher
   zeitlichen Aufl\"osung gerechnet werden soll. Es werden also vier
-  Argumente ben\"otigt, sie k\"onnten hei{\ss}en: \code{amplitude},
+  Argumente ben\"otigt, sie k\"onnten hei{\ss}en: \varcode{varamplitude},
-    \code{frequency}, \code{t\_max}, \code{t\_step}.
+    \varcode{frequency}, \varcode{t\_max}, \varcode{t\_step}.
-\item \codeterm{R\"uckgabewerte:} Um den Sinus korrekt darstellen zu k\"onnen brauchen wir die
+\item \codeterm{R\"uckgabewerte}: Um den Sinus korrekt darstellen zu k\"onnen brauchen wir die
   Zeitachse und die entsprechenden Werte. Es werden also zwei
-  Variablen zur\"uckgegeben: \code{time, sine}
+  Variablen zur\"uckgegeben: \varcode{time}, \varcode{sine}
 \end{enumerate}
 Mit dieser Information ist es nun gut m\"oglich die Funktion zu
 implementieren (Listing \ref{sinefunctionlisting}).
@@ -1289,7 +1289,7 @@ function [time, sine] = calculate_sinewave(frequency, amplitude, t_max, t_step)
 Diese Aufgabe kann auch von einer Funktion \"ubernommen werden. Diese
 Funktion hat keine andere Aufgabe, als die Daten zu plotten. Ihr Name
 sollte sich an dieser Aufgabe orientieren
-(z.B. \code{plot\_sinewave}). Um einen einzelnen Sinus zu plotten
+(z.B. \code{plot\_sinewave()}). Um einen einzelnen Sinus zu plotten
 werden im Wesentlichen die x-Werte und die zugeh\"origen y-Werte
 ben\"otigt. Da mehrere Sinus geplottet werden sollen ist es auch
 sinnvoll eine Zeichenkette f\"ur die Legende an die Funktion zu

programmingstyle/lecture/programmingstyle-chapter.tex

@@ -5,7 +5,7 @@
 \lstset{inputpath=../code}
 \graphicspath{{figures/}}
 
-\setcounter{page}{55}
+\setcounter{page}{57}
 \setcounter{chapter}{2}
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

programmingstyle/lecture/programmingstyle.tex

@@ -136,10 +136,10 @@ die Namensgebung selbst keine weiteren Vorgaben. Allerdings folgt die
 Benennung der in \matlab{} vordefinierten Funktionen gewissen Mustern:
 \begin{itemize}
 \item Namen werden immer klein geschrieben.
-\item Es werden gerne Abk\"urzungen eingesetzt (z.B. \code{xcorr}
+\item Es werden gerne Abk\"urzungen eingesetzt (z.B. \code{xcorr()}
-  f\"ur die Kreuzkorrelation oder \code{repmat} f\"ur ``repeat matrix'')
+  f\"ur die Kreuzkorrelation oder \code{repmat()} f\"ur ``repeat matrix'')
 \item Funktionen, die zwischen Formaten konvertieren sind immer nach
-  dem Muster ``format2format'' (z.B. \code{num2str} f\"ur die
+  dem Muster ``format2format'' (z.B. \code{num2str()} f\"ur die
   Konvertierung ``number to string'', Umwandlung eines numerischen
   Wertes in einen Text) benannt.
 \end{itemize}
@@ -165,9 +165,9 @@ W\"ahrend die Namen von Funktionen und Skripten ihren Zweck
 beschreiben, sollten die Namen von Variablen ihren Inhalt
 beschreiben. Eine Variable, die die mittlere Anzahl von
 Aktionspotentialen speichert, k\"onnte also
-\codeterm{average\_spike\_count} hei{\ss}en. Wenn die Variable nicht
+\varcode{average\_spike\_count} hei{\ss}en. Wenn die Variable nicht
 nur einen sondern mehrere Werte aufnimmt, dann ist der Plural
-angebracht (\codeterm{average\_spike\_counts}).
+angebracht (\varcode{average\_spike\_counts}).
 
 Die Laufvariablen von \code{for}-Schleifen werden oft nur \varcode{i},
 \varcode{j} oder \varcode{k} benannt und sollten aber die einzige Ausnahme
@@ -175,7 +175,7 @@ bzgl. ausdrucksstarker Namensgebung bleiben.
 
 \begin{important}[Benennung von Variablen]
   Die Namen von Variablen sollten m\"oglichst viel \"uber ihren Inhalt
-  aussagen (\code{spike\_count} statt \code{x}). Gute Namen
+  aussagen (\varcode{spike\_count} statt \varcode{x}). Gute Namen
   f\"ur Variablen sind die beste Dokumentation.
 \end{important}
 
@@ -248,7 +248,7 @@ Kommentarzeilen werden in \matlab{} mit dem Prozentzeichen \code{\%}
 gekennzeichnet.  Gezielt und sparsam eingesetzte Kommentare sind f\"ur
 das Verst\"andnis eines Programms sehr n\"utzlich.  Am wichtigsten
 sind kurze Kommentare, die den Zweck und das Ziel eines Abschnitts im
-Programm erl\"autern (z.B. \code{\% compute mean firing rate over all
+Programm erl\"autern (z.B. \varcode{\% compute mean firing rate over all
   trials}).
 
 Viele und h\"aufige Kommentare k\"onnen in der Entwicklungsphase eines
@@ -259,7 +259,7 @@ Zeilen sowieso weitestgehend selbsterkl\"arend sein.
 Die beste Dokumentation ist der Code selbst. Gut geschriebener Code
 mit ausdrucksstarken Variablen- und Funktionsnamen ben\"otigt keine
 Kommentare, um den Zweck einzelner Zeilen zu erkl\"aren. z.B. ist\\
-\code{ x = x + 2;   \% add two to x}\\
+\varcode{ x = x + 2;   \% add two to x}\\
 ein v\"ollig unn\"otiger Kommentar.
 
 \begin{important}[Verwendung von Kommentaren]
@@ -333,10 +333,10 @@ lokale Funktion.
 Lokale Funktionen existieren in der gleichen Datei und sind nur dort
 verf\"ugbar. Jede Funktion hat ihren eigenen G\"ultigkeitsbereich, das
 hei{\ss}t, dass Variablen aus den aufrufenden Funktionen nicht
-sichtbar sind. Bei sogenannten \codeterm{geschachtelten Funktionen}
+sichtbar sind. Bei sogenannten \codeterm[geschachtelte Funktionen]{geschachtelten Funktionen}
 ist das anders. Diese werden innerhalb eines Funktionsk\"orpers
-(zwischen den Schl\"usselworten \codeterm{function} und dem
+(zwischen den Schl\"usselworten \code{function} und dem
-\codeterm{end} definiert und k\"onnen auf alle Variablen der
+\code{end} definiert und k\"onnen auf alle Variablen der
 ``Mutterfunktion'' zugreifen und diese auch ver\"andern. Folglich
 sollten sie nur mit Bedacht eingesetzt werden.
 

regression/lecture/regression-chapter.tex

@@ -5,7 +5,7 @@
 \lstset{inputpath=../code}
 \graphicspath{{figures/}}
 
-\setcounter{page}{85}
+\setcounter{page}{89}
 \setcounter{chapter}{5}
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

regression/lecture/regression.tex

@@ -81,7 +81,7 @@ quadratischen Abst\"ande immer positiv, unabh\"angig ob die Datenwerte
 zus\"atzlich gro{\ss}e Abst\"ande st\"arker gewichtet.
       
 \begin{exercise}{meanSquareError.m}{}\label{mseexercise}%
-  Schreibe eine Funktion \code{meanSquareError}, die die mittlere
+  Schreibe eine Funktion \code{meanSquareError()}, die die mittlere
   quadratische Abweichung zwischen einem Vektor mit den beobachteten
   Werten $y$ und einem Vektor mit den entsprechenden Vorhersagen
   $y^{est}$ berechnet.\newpage
@@ -134,16 +134,16 @@ der Fehler \eqnref{mseline} minimal wird.
 
 \begin{exercise}{lsqError.m}{}
   Implementiere die Zielfunktion f\"ur die Optimierung mit der
-  linearen Geradengleichung als Funktion \code{lsqError}.
+  linearen Geradengleichung als Funktion \code{lsqError()}.
   \begin{itemize}
   \item Die Funktion \"ubernimmt drei Argumente: Das erste Argument
-    ist ein 2-elementiger Vektor, der die Parameter \code{m} und
+    ist ein 2-elementiger Vektor, der die Parameter \varcode{m} und
-    \code{b} enth\"alt.  Das zweite ist ein Vektor mit den $x$-Werten,
+    \varcode{b} enth\"alt.  Das zweite ist ein Vektor mit den $x$-Werten,
     an denen gemessen wurde, und das dritte ein Vektor mit den
     zugeh\"origen $y$-Werten.
   \item Die Funktion gibt als Ergebniss den Fehler als mittleren
     quadratischen Abstand \eqnref{mseline} zur\"uck.
-  \item Die Funktion soll die Funktion \code{meanSquareError} der
+  \item Die Funktion soll die Funktion \code{meanSquareError()} der
     vorherigen \"Ubung benutzen.
   \end{itemize}
 \end{exercise}
@@ -181,12 +181,12 @@ beiden Parameter und auf der $z$-Achse der Fehlerwert aufgetragen
 
 \begin{exercise}{errorSurface.m}{}\label{errorsurfaceexercise}%
   Lade den Datensatz \textit{lin\_regression.mat} in den Workspace (20
-  Datenpaare in den Vektoren \code{x} und \code{y}). Schreibe ein Skript
+  Datenpaare in den Vektoren \varcode{x} und \varcode{y}). Schreibe ein Skript
   \file{errorSurface.m}, dass den Fehler, berechnet als mittleren
   quadratischen Abstand zwischen den Daten und einer Geraden mit
   Steigung $m$ und $y$-Achsenabschnitt $b$, in Abh\"angigkeit von $m$
   und $b$ als surface plot darstellt (siehe Hilfe f\"ur die
-  \code{surf} Funktion).
+  \code{surf()} Funktion).
 \end{exercise}
 
 An der Fehlerfl\"ache kann direkt erkannt werden, bei welcher
@@ -310,7 +310,7 @@ partielle Ableitung nach $m$ durch
 \end{figure}
 
 \begin{exercise}{lsqGradient.m}{}\label{gradientexercise}%
-  Implementiere eine Funktion \code{lsqGradient}, die den
+  Implementiere eine Funktion \code{lsqGradient()}, die den
   Parametersatz $(m, b)$ der Geradengleichung als 2-elementigen Vektor
   sowie die $x$- und $y$-Werte der Messdaten als Argumente
   entgegennimmt und den Gradienten an dieser Stelle zur\"uckgibt.
@@ -321,7 +321,7 @@ partielle Ableitung nach $m$ durch
   um f\"ur jede Parameterkombination aus der Fehlerfl\"ache
   (\"Ubung \ref{errorsurfaceexercise}) auch den Gradienten zu
   berechnen und darzustellen. Vektoren im Raum k\"onnen mithilfe der
-  Funktion \code{quiver} geplottet werden.
+  Funktion \code{quiver()} geplottet werden.
 \end{exercise}
 
 
@@ -330,8 +330,8 @@ partielle Ableitung nach $m$ durch
 Zu guter Letzt muss nur noch der Gradientenabstieg implementiert
 werden. Die daf\"ur ben\"otigten Zutaten haben wir aus den
 vorangegangenen \"Ubungen bereits vorbereitet. Wir brauchen: 1. Die Fehlerfunktion
-(\code{meanSquareError.m}), 2. die Zielfunktion (\code{lsqError.m})
+(\code{meanSquareError()}), 2. die Zielfunktion (\code{lsqError()})
-und 3. den Gradienten (\code{lsqGradient.m}).  Der Algorithmus
+und 3. den Gradienten (\code{lsqGradient()}).  Der Algorithmus
 f\"ur den Abstieg lautet:
 \begin{enumerate}
 \item Starte mit einer beliebigen Parameterkombination $p_0 = (m_0,
@@ -342,7 +342,7 @@ f\"ur den Abstieg lautet:
   abbrechen.  Wir suchen ja das Minimum, bei dem der Gradient gleich
   Null ist. Da aus numerischen Gr\"unden der Gradient nie exakt Null
   werden wird, k\"onnen wir nur fordern, dass er hinreichend klein
-  wird (z.B. \code{norm(gradient) < 0.1}).
+  wird (z.B. \varcode{norm(gradient) < 0.1}).
 \item \label{gradientstep} Gehe einen kleinen Schritt ($\epsilon =
   0.01$) in die entgegensetzte Richtung des Gradienten:
   \[p_{i+1} = p_i - \epsilon \cdot \nabla f_{cost}(m_i, b_i)\]
@@ -367,7 +367,7 @@ Punkte in Abbildung \ref{gradientdescentfig} gro{\ss}.
 \begin{exercise}{gradientDescent.m}{}
   Implementiere den Gradientenabstieg f\"ur das Problem der
   Parameteranpassung der linearen Geradengleichung an die Messdaten in
-  der Datei \code{lin\_regression.mat}.
+  der Datei \file{lin\_regression.mat}.
   \begin{enumerate}
   \item Merke Dir f\"ur jeden Schritt den Fehler zwischen
     Modellvorhersage und Daten.
@@ -388,7 +388,7 @@ mittlere quadratische Abstand als Kostenfunktion in der Tat ein
 einziges klar definiertes Minimum.  Wie wir im n\"achsten Kapitel
 sehen werden, kann die Position des Minimums bei Geradengleichungen
 sogar analytisch bestimmt werden, der Gradientenabstieg w\"are also
-gar nicht n\"otig \matlabfun{polyfit}.
+gar nicht n\"otig \matlabfun{polyfit()}.
 
 F\"ur Parameter, die nichtlinear in einer Funktion
 enthalten sind, wie z.B. die Rate $\lambda$ als Parameter in der
@@ -401,9 +401,9 @@ Gradientenabstiegs auf vielf\"altige Weise verbessert
 werden. z.B. kann die Schrittweite an die St\"arke des Gradienten
 angepasst werden. Diese numerischen Tricks sind in bereits vorhandenen
 Funktionen implementiert.  Allgemeine Funktionen sind f\"ur beliebige
-Kostenfunktionen gemacht \matlabfun{fminsearch}, w\"ahrend spezielle
+Kostenfunktionen gemacht \matlabfun{fminsearch()}, w\"ahrend spezielle
 Funktionen z.B. f\"ur die Minimierung des quadratischen Abstands bei
-einem Kurvenfit angeboten werden \matlabfun{lsqcurvefit}.
+einem Kurvenfit angeboten werden \matlabfun{lsqcurvefit()}.
 
 \begin{important}[Achtung Nebenminima!]
   Das Finden des globalen Minimums ist leider nur selten so leicht wie

scientificcomputing-script.tex

@@ -17,7 +17,6 @@
 \lstlistoflistings
 \listofexercisefs
 \listofiboxfs
-%\listofimportantfs
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \part{Grundlagen des Programmierens}
@@ -71,7 +70,9 @@
 
 \addcontentsline{toc}{chapter}{Fachbegriffe}
 \printindex[term]
-\addcontentsline{toc}{chapter}{Code}
+\addcontentsline{toc}{chapter}{Englische Fachbegriffe}
+\printindex[enterm]
+\addcontentsline{toc}{chapter}{MATLAB Code}
 \printindex[code]
 
 \end{document}

statistics/lecture/statistics-chapter.tex

@@ -5,7 +5,7 @@
 \lstset{inputpath=../code}
 \graphicspath{{figures/}}
 
-\setcounter{page}{67}
+\setcounter{page}{69}
 \setcounter{chapter}{3}
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

statistics/lecture/statistics.tex

@@ -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.}
+  \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.}
+  {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
+    1000-mal w\"urfeln.  Benutze \code[hist()]{hist(x)}, erzwinge sechs Bins
-    mit \code{hist(x,6)}, oder setze selbst sinnvolle Bins. Normiere
+    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