191 lines
2.8 KiB
Matlab
191 lines
2.8 KiB
Matlab
%% Uebung 4 Kontrollstrukturen
|
|
|
|
clear
|
|
close all
|
|
|
|
%% 1) for-Schleife
|
|
|
|
% a
|
|
for i = 0:10
|
|
disp(i)
|
|
end
|
|
|
|
% b
|
|
for i = 10:-1:0
|
|
disp(i)
|
|
end
|
|
|
|
% c
|
|
for i = 0:0.1:1
|
|
disp(i)
|
|
end
|
|
|
|
|
|
%% 2) Zugriffe auf Vektoren mit der Laufvariable
|
|
|
|
% a
|
|
|
|
x = 1:100;
|
|
|
|
% b
|
|
for i = 1:length(x)
|
|
disp(x(i))
|
|
end
|
|
% Die Laufvariable erhaelt mit jedem Iterationsschritt einen neuen Wert.
|
|
% Dieser "laeuft" von 1 bis zur Anzahl Element in x. Die Laufvar. wird dann
|
|
% als Index benutzt mit dem auf x zugegriffen wird.
|
|
|
|
% c
|
|
for i = x
|
|
disp(i)
|
|
end
|
|
% Alternativ kann man mit der Schleife auch direkt durch den Vektor x
|
|
% laufen. Mit jeder Iteration enthaelt i nun einen Wert aus x. Es muss
|
|
% nicht mehr mittles Index auf x zugegriffen werden.
|
|
|
|
%% 3 ) Arithmetisches Mittel, Standardabweichung
|
|
|
|
x = rand(1,50) .* 10; % rand liefert im Bereich 0 bis 1
|
|
|
|
% a
|
|
mittelwert = [];
|
|
summe = 0;
|
|
n = length(x);
|
|
|
|
for i = 1:n
|
|
summe = summe + x(i);
|
|
end
|
|
mittelwert = summe / n;
|
|
disp(mittelwert)
|
|
|
|
% b
|
|
|
|
% 1. Mittelwert berechnen
|
|
mittelwert = [];
|
|
summe = 0;
|
|
n = length(x);
|
|
|
|
for i = 1:n
|
|
summe = summe + x(i);
|
|
end
|
|
mittelwert = summe / n;
|
|
|
|
% 2. Std berechnen
|
|
standardabw = [];
|
|
summe_quadratische_abw = 0;
|
|
|
|
for i = 1:n
|
|
summe_quadratische_abw = summe_quadratische_abw + (x(i) - mittelwert).^2;
|
|
end
|
|
standardabw = sqrt(summe_quadratische_abw / n);
|
|
disp(standardabw)
|
|
|
|
% c
|
|
disp(mean(x))
|
|
|
|
disp(std(x,1)) % Wir verwenden eine Formel fuer die std, die in Matlab nicht default ist
|
|
|
|
|
|
%% 4 While Schleife
|
|
|
|
% a
|
|
count = 0;
|
|
while count < 100
|
|
disp(count)
|
|
count = count + 1;
|
|
end
|
|
|
|
% b
|
|
% count = 0;
|
|
% while true
|
|
% disp(count)
|
|
% count = count + 1;
|
|
% end
|
|
|
|
|
|
%% 5
|
|
count = 1;
|
|
x = 1:10;
|
|
while true
|
|
disp(x(count))
|
|
count = count + 1;
|
|
end
|
|
|
|
%% 6
|
|
|
|
% a
|
|
while true
|
|
x = randn(1,1);
|
|
if x > 1.33
|
|
break;
|
|
end
|
|
end
|
|
|
|
% b
|
|
trials = zeros(1000,1);
|
|
for i = 1:length(trials)
|
|
count = 1;
|
|
while true
|
|
x = randn(1,1);
|
|
if x > 1.33
|
|
trials(i) = count;
|
|
break;
|
|
end
|
|
count = count + 1;
|
|
end
|
|
end
|
|
disp(mean(trials))
|
|
|
|
% c
|
|
figure()
|
|
plot(trials)
|
|
xlabel('Durchgang')
|
|
ylabel('Anzahl Versuche')
|
|
|
|
% d
|
|
|
|
% Mit groesser werdender Schwelle steigt auch die durchschnittliche Anzahl
|
|
% Versuche.
|
|
|
|
%% 7 Loeschen von Elementen
|
|
|
|
% a
|
|
x = rand(10,1) .* 10;
|
|
disp('vorher:')
|
|
disp(x)
|
|
for i = length(x):-1:1
|
|
if x(i) < 5
|
|
x(i) = [];
|
|
end
|
|
end
|
|
disp('nachher:')
|
|
disp(x)
|
|
% Der Trick ist hier nicht von vorne durch den Vektor zu laufen, sondern
|
|
% rueckwaerts. Ansonsten laeuft man Gefahr hinter den gekuerzten Vektor zu
|
|
% greifen, was zu einem Index exceeds matrix dimensions Fehler fuehren
|
|
% wuerde.
|
|
|
|
% b
|
|
x = rand(10,1) .* 10;
|
|
disp('vorher:')
|
|
disp(x)
|
|
for i = length(x):-1:1
|
|
if x(i) < 5 & x(i) > 2
|
|
x(i) = [];
|
|
end
|
|
end
|
|
disp('nachher:')
|
|
disp(x)
|
|
|
|
% c
|
|
x = rand(10,1) .* 10;
|
|
disp('vorher:')
|
|
disp(x)
|
|
x(x < 5 & x >2) = [];
|
|
disp('nachher:')
|
|
disp(x)
|
|
|
|
|
|
%% 8 Teste den Zufallsgenerator
|
|
|