diff --git a/statistics-fabian/assignments/day1_001.pdf b/statistics-fabian/assignments/day1_001.pdf
deleted file mode 100644
index 752a33b..0000000
Binary files a/statistics-fabian/assignments/day1_001.pdf and /dev/null differ
diff --git a/statistics-fabian/assignments/day1_002.pdf b/statistics-fabian/assignments/day1_002.pdf
deleted file mode 100644
index f923151..0000000
Binary files a/statistics-fabian/assignments/day1_002.pdf and /dev/null differ
diff --git a/statistics-fabian/assignments/example001.csv b/statistics-fabian/assignments/example001.csv
deleted file mode 100755
index 3f3d985..0000000
--- a/statistics-fabian/assignments/example001.csv
+++ /dev/null
@@ -1,43 +0,0 @@
-MAO,Diagnosis
-6.8,I
-4.1,I
-7.3,I
-14.2,I
-18.8,I
-9.9,I
-7.4,I
-11.9,I
-5.2,I
-7.8,I
-7.8,I
-8.7,I
-12.7,I
-14.5,I
-10.7,I
-8.4,I
-9.7,I
-10.6,I
-7.8,II
-4.4,II
-11.4,II
-3.1,II
-4.3,II
-10.1,II
-1.5,II
-7.4,II
-5.2,II
-10,II
-3.7,II
-5.5,II
-8.5,II
-7.7,II
-6.8,II
-3.1,II
-6.4,III
-10.8,III
-1.1,III
-2.9,III
-4.5,III
-5.8,III
-9.4,III
-6.8,III
diff --git a/statistics-fabian/assignments/example002.csv b/statistics-fabian/assignments/example002.csv
deleted file mode 100755
index dd1ba9c..0000000
--- a/statistics-fabian/assignments/example002.csv
+++ /dev/null
@@ -1,186 +0,0 @@
-Weight,Sex
-1607,m
-1157,m
-1248,m
-1310,m
-1398,m
-1237,m
-1232,m
-1343,m
-1380,m
-1274,m
-1245,m
-1286,m
-1508,m
-1105,m
-1123,m
-1198,m
-1300,m
-1249,m
-1185,m
-915,m
-1345,m
-1107,m
-1357,m
-1227,m
-1205,m
-1435,m
-1289,m
-1093,m
-1211,m
-1260,m
-1193,m
-1330,m
-1130,m
-1357,m
-1193,m
-1232,m
-1321,m
-1260,m
-1380,m
-1230,m
-1136,m
-1029,m
-1223,m
-1240,m
-1264,m
-1020,m
-1415,m
-1410,m
-1275,m
-1230,m
-1085,m
-1048,m
-1181,m
-1103,m
-1165,m
-1547,m
-1173,m
-1660,m
-1307,m
-1535,m
-1315,m
-1257,m
-1424,m
-1309,m
-1170,m
-1412,m
-1270,m
-1230,m
-1233,m
-1561,m
-1193,m
-1272,m
-1355,m
-1137,m
-1354,m
-1110,m
-1265,m
-1407,m
-1227,m
-1330,m
-1222,m
-1305,m
-1475,m
-1177,m
-1337,m
-1145,m
-1070,m
-1305,m
-1085,m
-1303,m
-1390,m
-1532,m
-1238,m
-1233,m
-1280,m
-1245,m
-1459,m
-1157,m
-1302,m
-1385,m
-1310,m
-1342,m
-1303,m
-1248,m
-1115,m
-1365,m
-1227,m
-1353,m
-1125,f
-1027,f
-1112,f
-983,f
-1090,f
-1247,f
-1045,f
-983,f
-972,f
-1045,f
-937,f
-1245,f
-1200,f
-1270,f
-1200,f
-1145,f
-1090,f
-1040,f
-1343,f
-1010,f
-1095,f
-1180,f
-1168,f
-1095,f
-1040,f
-1235,f
-1050,f
-1038,f
-1046,f
-1255,f
-1228,f
-1000,f
-1225,f
-1220,f
-1085,f
-1067,f
-1006,f
-1138,f
-1175,f
-1252,f
-1037,f
-958,f
-1020,f
-1068,f
-1107,f
-1317,f
-952,f
-1056,f
-1203,f
-1183,f
-1392,f
-1130,f
-1284,f
-996,f
-1228,f
-1087,f
-1035,f
-1170,f
-1064,f
-1250,f
-1129,f
-1088,f
-1037,f
-1117,f
-1095,f
-1027,f
-1027,f
-1190,f
-1153,f
-1037,f
-1120,f
-1212,f
-1024,f
-1135,f
-1177,f
-1096,f
-1114,f
diff --git a/statistics/exercises/UT_WBMW_Black_RGB.pdf b/statistics/exercises/UT_WBMW_Black_RGB.pdf
new file mode 100644
index 0000000..9aed921
Binary files /dev/null and b/statistics/exercises/UT_WBMW_Black_RGB.pdf differ
diff --git a/statistics/exercises/descriptivestatistics-01.tex b/statistics/exercises/descriptivestatistics-01.tex
new file mode 100644
index 0000000..9800e54
--- /dev/null
+++ b/statistics/exercises/descriptivestatistics-01.tex
@@ -0,0 +1,162 @@
+\documentclass[12pt,a4paper,pdftex]{exam}
+
+\usepackage[german]{babel}
+\usepackage{natbib}
+\usepackage{graphicx}
+\usepackage[small]{caption}
+\usepackage{sidecap}
+\usepackage{pslatex}
+\usepackage{amsmath}
+\usepackage{amssymb}
+\setlength{\marginparwidth}{2cm}
+\usepackage[breaklinks=true,bookmarks=true,bookmarksopen=true,pdfpagemode=UseNone,pdfstartview=FitH,colorlinks=true,citecolor=blue]{hyperref}
+
+%%%%% text size %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
+\usepackage[left=20mm,right=20mm,top=25mm,bottom=25mm]{geometry}
+\pagestyle{headandfoot}
+\header{{\bfseries\large \"Ubung 1}}{{\bfseries\large Deskriptive Statistik}}{{\bfseries\large 19. Oktober, 2015}}
+\firstpagefooter{Prof. Dr. Jan Benda}{Phone: 29 74573}{Email:
+jan.grewe@uni-tuebingen.de}
+\runningfooter{}{\thepage}{}
+
+\setlength{\baselineskip}{15pt}
+\setlength{\parindent}{0.0cm}
+\setlength{\parskip}{0.3cm}
+\renewcommand{\baselinestretch}{1.15}
+
+\newcommand{\qt}[1]{\textbf{#1}\\}
+\newcommand{\pref}[1]{(\ref{#1})}
+\newcommand{\extra}{--- Zusatzaufgabe ---\ \mbox{}}
+\newcommand{\code}[1]{\texttt{#1}}
+
+\newcommand{\continue}{\ifprintanswers%
+\else
+\vfill\hspace*{\fill}$\rightarrow$\newpage%
+\fi}
+\newcommand{\continuepage}{\ifprintanswers%
+\newpage
+\else
+\vfill\hspace*{\fill}$\rightarrow$\newpage%
+\fi}
+\newcommand{\newsolutionpage}{\ifprintanswers%
+\newpage%
+\else
+\fi}
+
+
+%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
+\begin{document}
+
+\vspace*{-6.5ex}
+\begin{center}
+\textbf{\Large Einf\"uhrung in die wissenschaftliche Datenverarbeitung}\\[1ex]
+{\large Jan Grewe, Jan Benda}\\[-3ex]
+Abteilung Neuroethologie \hfill --- \hfill Institut f\"ur Neurobiologie \hfill --- \hfill \includegraphics[width=0.28\textwidth]{UT_WBMW_Black_RGB} \\
+\end{center}
+
+% Die folgenden Aufgaben dienen der Wiederholung, \"Ubung und
+% Selbstkontrolle und sollten eigenst\"andig bearbeitet und gel\"ost
+% werden. Die L\"osung soll in Form eines einzelnen Skriptes (m-files)
+% im ILIAS hochgeladen werden. Jede Aufgabe sollte in einer eigenen
+% ``Zelle'' gel\"ost sein. Die Zellen \textbf{m\"ussen} unabh\"angig
+% voneinander ausf\"uhrbar sein. Das Skript sollte nach dem Muster:
+% ``variablen\_datentypen\_\{nachname\}.m'' benannt werden
+% (z.B. variablen\_datentypen\_mueller.m).
+
+\begin{itemize}
+\item \"Uberzeuge dich von jeder einzelnen Zeile deines Codes, dass sie
+auch wirklich das macht, was sie machen soll! Teste dies mit kleinen
+Beispielen direkt in der Kommandozeile.
+\item Versuche die L\"osungen der folgenden Aufgaben m\"oglichst in
+sinnvolle kleine Funktionen herunterzubrechen.
+\item Sobald etwas \"ahnliches mehr als einmal berechnet werden soll,
+lohnt es sich eine Funktion daraus zu schreiben!
+\item Teste rechenintensive \code{for} Schleifen zuerst mit einer kleinen
+Anzahl von Wiederholungen, und benutze erst am Ende, wenn alles
+stimmt, eine gro{\ss}e Anzahl von Wiederholungen, um eine gute
+Statistik zu bekommen.
+\item Benutze die Hilfsfunktion von matlab und das Internet, um
+herauszufinden wie bestimmte \code{matlab} Funktionen zu verwenden
+sind und was f\"ur M\"oglichkeiten sie bieten.
+\item Auch zu inhaltlichen Konzepten bietet das Internet oft viele Antworten!
+\end{itemize}
+
+
+\begin{questions}
+
+\question \qt{Wahrscheinlichkeiten eines W\"urfels I}
+Der Computer kann auch als W\"urfel verwendet werden!
+\begin{parts}
+  \part Simuliere 10000 W\"urfe mit dem W\"urfel durch Erzeugung von
+  ganzzahligen Zufallszahlen mit den Augenzahlen $x_i = 1, 2, \ldots 6$ .
+  \part Berechne die Wahrscheinlichkeit $P(3)$
+  des Auftretens der Augenzahl drei durch Bestimmung der Anzahl der Dreien im Datensatz.\\
+  Entspricht das Ergebnis deiner Erwartung?\\
+  \"Uberpr\"ufe auch die Wahrscheinlichkeit $P(x_i)$ der anderen Zahlen.\\
+  Ist das ein fairer W\"urfel?
+  \part Speicher die berechneten Wahrscheinlichkeiten $P(x_i)$ f\"ur das Auftreten der 
+  gew\"urfelten Zahlen in einem Vektor und benutze die \code{bar} Funktion,
+  um diese Wahrscheinlichkeiten als Funktion der Augenzahl zu plotten.
+  \part Erstelle in einem weiterem Plot ein entsprechendes normiertes Histogramm
+  mit der \code{hist} Funktion.
+  \part \extra Wie k\"onnte man einen gezinkten W\"urfel simulieren, bei dem die sechs
+  dreimal so h\"aufig wie die anderen Zahlen gew\"urfelt wird?\\
+  Fertige von diesem W\"urfel ein Histogram aus 10000 W\"urfen an.
+\end{parts}
+
+
+\continue
+\question \qt{Wahrscheinlichkeiten eines W\"urfels II}
+Wir werten nun das Verhalten mehrerer W\"urfel aus.
+\begin{parts}
+  \part Simuliere 20 W\"urfel, von denen jeder 100 mal geworfen wird 
+  (jeder W\"urfel wird mit dem gleichen Zufallsgenerator simuliert).
+  \part Berechne aus diesem Datensatz f\"ur jeden W\"urfel ein normiertes Histogramm.
+  \part Bestimme den Mittelwert und die Standardabweichung f\"ur jede
+  Augenzahl gemittelt \"uber die W\"urfel.
+  \part Stelle das Ergebnis mit einem S\"aulenplot mit Fehlerbalken dar
+  (\code{bar} mit \code{errorbar} Funktionen).
+\end{parts}
+
+
+\question \qt{Wahrscheinlichkeiten der Normalverteilung}
+Mit den folgenden Aufgaben wollen wir bestimmen, welcher Anteil eines
+normalverteilten Datensatzes in bestimmten Grenzen symmetrisch um den
+Mittelwert enthalten ist.
+\begin{parts}
+  \part Erzeuge einen Datensatz $X = (x_1, x_2, ... x_n)$ aus
+  $n=10000$ normalverteilten Zufallszahlen mit Mittelwert $\mu=0$ und
+  Standardabweichung $\sigma=1$.
+  \part \label{onesigma} Wieviele dieser Daten sind maximal eine Standardabweichung vom Mittelwert entfernt?\\
+  D.h. wieviele Datenwerte $x_i$ haben den Wert $-\sigma < x_i < +\sigma$?\\
+  Wie gro{\ss} ist also die Wahrscheinlichkeit $P_{\pm\sigma}$ einen
+  Wert in diesem Interval zu erhalten?
+  \part \label{probintegral} Berechne numerisch diese
+  Wahrscheinlichkeit aus dem entsprechenden Integral
+  \[ P_{\pm\sigma}=\int_{x=\mu-\sigma}^{x=\mu+\sigma} p_g(x) \, dx \]
+  \"uber die Normalverteilung
+  \[ p_g(x) =
+  \frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2} \; . \]
+  \"Uberpr\"ufe zuerst, ob tats\"achlich
+  \[ \int_{-\infty}^{+\infty} p_g(x) \, dx = 1 \; . \]
+  Warum muss das so sein?
+  \part Welcher Anteil der Daten ist in den Intervallen $\pm2\sigma$ sowie $\pm3\sigma$
+  enthalten?
+  \part \label{givenfraction} Finde heraus in welchem Interval symmetrisch um den Mittelwert
+  50\,\%, 90\,\%, 95\,\% bzw. 99\,\% der Daten enhalten sind.
+  \part Was passiert mit der Wahrscheinlichkeit eine Zahl in einem bestimmten Interval
+  zu ziehen, wenn dieses Intervall immer kleiner wird?\\
+  Schreibe ein Programm, das dies illustriert.\\
+  Wie gro{\ss} ist die Wahrscheinlichkeit $P(x_i=0.1234)$?
+  \part \extra Modifiziere den Code der Teilaufgaben \pref{onesigma}
+  -- \pref{givenfraction} so, dass er f\"ur Datens\"atze mit
+  beliebigen Mittelwerten und Standardabweichungen funktioniert.\\
+  Teste den Code mit entsprechenden Zufallszahlen.\\
+  Wie bekommt man mit \code{randn} Zufallszahlen mit beliebiger
+  Standardabweichung und Mittelwerten?
+\end{parts}
+
+
+\end{questions}
+
+\end{document}
\ No newline at end of file
diff --git a/statistics/exercises/descriptivestatistics-02.tex b/statistics/exercises/descriptivestatistics-02.tex
new file mode 100644
index 0000000..3f92aa5
--- /dev/null
+++ b/statistics/exercises/descriptivestatistics-02.tex
@@ -0,0 +1,164 @@
+\documentclass[12pt,a4paper,pdftex]{exam}
+
+\usepackage[german]{babel}
+\usepackage{natbib}
+\usepackage{graphicx}
+\usepackage[small]{caption}
+\usepackage{sidecap}
+\usepackage{pslatex}
+\usepackage{amsmath}
+\usepackage{amssymb}
+\setlength{\marginparwidth}{2cm}
+\usepackage[breaklinks=true,bookmarks=true,bookmarksopen=true,pdfpagemode=UseNone,pdfstartview=FitH,colorlinks=true,citecolor=blue]{hyperref}
+
+%%%%% text size %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
+\usepackage[left=20mm,right=20mm,top=25mm,bottom=25mm]{geometry}
+\pagestyle{headandfoot}
+\header{{\bfseries\large \"Ubung 2}}{{\bfseries\large Deskriptive Statistik}}{{\bfseries\large 19. Oktober, 2015}}
+\firstpagefooter{Prof. Dr. Jan Benda}{Phone: 29 74573}{Email:
+jan.grewe@uni-tuebingen.de}
+\runningfooter{}{\thepage}{}
+
+\setlength{\baselineskip}{15pt}
+\setlength{\parindent}{0.0cm}
+\setlength{\parskip}{0.3cm}
+\renewcommand{\baselinestretch}{1.15}
+
+\newcommand{\qt}[1]{\textbf{#1}\\}
+\newcommand{\pref}[1]{(\ref{#1})}
+\newcommand{\extra}{--- Zusatzaufgabe ---\ \mbox{}}
+\newcommand{\code}[1]{\texttt{#1}}
+
+\newcommand{\continue}{\ifprintanswers%
+\else
+\vfill\hspace*{\fill}$\rightarrow$\newpage%
+\fi}
+\newcommand{\continuepage}{\ifprintanswers%
+\newpage
+\else
+\vfill\hspace*{\fill}$\rightarrow$\newpage%
+\fi}
+\newcommand{\newsolutionpage}{\ifprintanswers%
+\newpage%
+\else
+\fi}
+
+
+%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
+\begin{document}
+
+\vspace*{-6.5ex}
+\begin{center}
+\textbf{\Large Einf\"uhrung in die wissenschaftliche Datenverarbeitung}\\[1ex]
+{\large Jan Grewe, Jan Benda}\\[-3ex]
+Abteilung Neuroethologie \hfill --- \hfill Institut f\"ur Neurobiologie \hfill --- \hfill \includegraphics[width=0.28\textwidth]{UT_WBMW_Black_RGB} \\
+\end{center}
+
+% Die folgenden Aufgaben dienen der Wiederholung, \"Ubung und
+% Selbstkontrolle und sollten eigenst\"andig bearbeitet und gel\"ost
+% werden. Die L\"osung soll in Form eines einzelnen Skriptes (m-files)
+% im ILIAS hochgeladen werden. Jede Aufgabe sollte in einer eigenen
+% ``Zelle'' gel\"ost sein. Die Zellen \textbf{m\"ussen} unabh\"angig
+% voneinander ausf\"uhrbar sein. Das Skript sollte nach dem Muster:
+% ``variablen\_datentypen\_\{nachname\}.m'' benannt werden
+% (z.B. variablen\_datentypen\_mueller.m).
+
+
+\begin{itemize}
+\item \"Uberzeuge dich von jeder einzelnen Zeile deines Codes, dass sie
+auch wirklich das macht, was sie machen soll! Teste dies mit kleinen
+Beispielen direkt in der Kommandozeile.
+\item Versuche die L\"osungen der folgenden Aufgaben m\"oglichst in
+sinnvolle kleine Funktionen herunterzubrechen.
+\item Sobald etwas \"ahnliches mehr als einmal berechnet werden soll,
+lohnt es sich eine Funktion daraus zu schreiben!
+\item Teste rechenintensive \code{for} Schleifen zuerst mit einer kleinen
+Anzahl von Wiederholungen, und benutze erst am Ende, wenn alles
+stimmt, eine gro{\ss}e Anzahl von Wiederholungen, um eine gute
+Statistik zu bekommen.
+\item Benutze die Hilfsfunktion von matlab und das Internet, um
+herauszufinden wie bestimmte \code{matlab} Funktionen zu verwenden
+sind und was f\"ur M\"oglichkeiten sie bieten.
+\item Auch zu inhaltlichen Konzepten bietet das Internet oft viele Antworten!
+\end{itemize}
+
+\begin{questions}
+
+\question \qt{Zentraler Grenzwertsatz}
+Der Zentrale Grenzwertsatz besagt, dass die Summe von unabh\"angigen
+und identisch verteilten (i.i.d. = independent and identically
+distributed) Zufallsvariablen gegen die Normalverteilung konvergiert.
+
+Den Zentralen Grenzwertsatz wollen wir uns im Folgenden veranschaulichen.
+\begin{parts}
+  \part Versuche dir klar zu machen, was der Zentrale Grenzwertsatz
+  bedeutet, und wie du vorgehen k\"onntest ein Programm zu
+  schreiben, das den Grenzwertsatz illustriert.
+  \part Erzeuge 10000 zwischen 0 und 1 gleichverteilte Zufallszahlen
+  (Funktion \code{rand}).
+  \part Plotte deren Wahrscheinlichkeitsdichte (normiertes Histogram).
+  \part Erzeuge weitere 10000 gleichverteilte Zufallszahlen und
+  addiere diese zu den bereits vorhandenen auf.
+  \part Plotte die Wahrscheinlichkeitsdichte der aufsummierten
+  Zufallszahlen.
+  \part Wiederhole Schritt (d) und (e) viele Male.
+  \part Vergleiche in einer Grafik die Wahrscheinlichkeitsdichte der
+  aufsummierten Zufallszahlen mit der Gaussfunktion
+  \[ p_g(x) =
+  \frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}\]
+  mit dem Mittelwert $\mu$ und der Standardabweichung $\sigma$ der
+  aufsummierten Zufallszahlen.
+  \part Wie \"andert sich der Mittelwert und die
+  Standardabweichung/Varianz
+  der aufsummierten Zufallszahlen?\\
+  Wie h\"angen diese mit den Werten der urspr\"unglichen Verteilung
+  zusammen?
+  \part \extra \"Uberpr\"ufe den Grenzwertsatz in gleicher Weise mit exponentiell
+  verteilten Zufallszahlen (Funktion \code{rande}).
+\end{parts}
+
+
+\question \qt{Random Walk}
+Im folgenden wollen wir einige Eigenschaften des Random Walks bestimmen.
+\begin{parts}
+  \part Schreibe eine Funktion, die einen einzelnen Random Walk mit
+  Startwert 0 f\"ur $n$ Schritte und Wahrscheinlichkeit $p$ f\"ur
+  einen positiven Schritt als Vektor zur\"uckgibt.
+  \part Visualisiere jeweils 10 Random Walks mit $p=0.5$ zusammen in einem Plot
+  f\"ur $n=100$, $n=1000$ und $n=10000$ (drei Plots).\\
+  Sch\"atze aus den Abbildungen ab, wie sich der Mittelwert und die Standardabweichung
+  des Random Walks mit der Zeit (Schritte) sich entwickelt.
+  \part \"Uberpr\"uefe deine Hypothese zum Mittelwert und zur
+  Standardabweichung, indem du von $m$ Random Walks ($m \ge 10$) f\"ur
+  jeden z.B. zehnten Schritt den Mittelwert und die Standardabweichung
+  \"uber die Positionen der $m$ Random Walks berechnest.\\
+  Wie h\"angt also die Standardabweichung von der Anzahl der Schritte
+  ab? Wie entwickelt sich die Standardabweichung f\"ur eine sehr
+  gro{\ss}e Anzahl von Schritten?
+  \part \extra Erstelle eine Grafik, die die Verteilung der Position eines Random Walkers
+  zu drei verschiedenen Zeitpunkten zeigt.
+\end{parts}
+
+
+\question \qt{\extra 2D Random Walk}
+Bisher hat sich unser Random Walker nur in einer Dimension bewegt 
+(nur vorw\"arts oder r\"uckw\"arts). Er kann aber auch in mehreren Dimensionen laufen!\\
+In zwei Dimensionen wird dazu in jedem Schritt eine weitere
+Zufallszahl gezogen, die bestimmt ob er einen Schritt nach links oder
+rechts gemacht hat. Die Bewegung nach vorne/hinten bzw. links/rechts
+sind unabh\"angig voneinander.
+\begin{parts}
+  \part Wie kann unter Verwendung unserer Funktion f\"ur den
+  eindimensionalen Random Walk ein zweidimensionaler Random Walk
+  simuliert werden?
+  \part Erstelle h\"ubsche Bilder, die zweidimensionalen Random
+  Walks verschiedener L\"ange (bis zu mindestens $n=1000000$) illustrieren.
+  \part Animationen sind auch sch\"on! z.B. mit dem \code{pause} Befehl.
+  \part Anstatt einfach den Weg des Random Walks zu zeichnen, kann man
+  sich auch merken, wie oft er an jeder Stelle vorbeigekommen ist und
+  mit einem Farbcode plotten.
+\end{parts}
+
+\end{questions}
+
+\end{document}
\ No newline at end of file
diff --git a/statistics/lecture/descriptivestatistics.tex b/statistics/lecture/descriptivestatistics.tex
index 3ae32ac..989dc0f 100644
--- a/statistics/lecture/descriptivestatistics.tex
+++ b/statistics/lecture/descriptivestatistics.tex
@@ -74,8 +74,8 @@
 \newenvironment{definition}[1][]{\medskip\noindent\textbf{Definition}\ifthenelse{\equal{#1}{}}{}{ #1}:\newline}%
   {\medskip}
 
-%\newcommand{\showlisting}{yes}
-\newcommand{\showlisting}{no}
+\newcommand{\showlisting}{yes}
+%\newcommand{\showlisting}{no}
 \newcounter{theexercise} 
 \setcounter{theexercise}{1}
 \newenvironment{exercise}[1][]{\medskip\noindent\textbf{\tr{Exercise}{\"Ubung}