title	description
Coding	easy examples u should solve without using google or anything else.

Vektoren

type: TabExercise
key: fa3174d1ad
xp: 100

Es geht hier um Berechnungen mit Vektoren.

@pre_exercise_code

type: NormalExercise
key: 435c8eecd9
xp: 25

@instructions Erzeugen Sie einen Vektor x, der aus den natürlichen Zahlen von 1 bis 10 besteht!

@hint c(x:y)

@sample_code

@solution

x <- c(1:10)

@sct

ex() %>% check_object("x") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 997a713957
xp: 25

@instructions Berechnen Sie anschließend die Summe der Zahlen von 1 bis 10 und weisen Sie das Ergebnis einem Vektor y zu.

P.S.: Führen Sie ggf. die vorherigen Befehle nochmals aus!

@hint sum()

@sample_code

x <- c(1:10)

@solution

y <- sum(1:10)

@sct

ex() %>% check_object("y") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 522d9b57ce
xp: 25

@instructions Erzeugen Sie einen neuen Vektor z, der x und danach y enthält. Geben Sie die Vektoren als 1:10 und sum(1:10) an!

@hint Es ist nicht c(x&y) gemeint, sondern verwenden Sie bitte die in der Instruktion angegebene Form. Dann: c(firstVec,secondVec)

@sample_code

x <- c(1:10)
y <- sum(x)

@solution

z <- c(1:10,sum(1:10))

@sct

ex() %>% check_object("z") %>% check_equal()
success_msg("Well done!")

type: MultipleChoiceExercise
key: 1d89dfc5eb
xp: 25

@question Was ist jetzt die Summe von z?

P.S.: Führen Sie ggf. die vorherigen Befehle nochmals aus!

@possible_answers

[110]
95
105

@hint

@sct

msg1 <- "Super, weiter so!"
msg2 <- "Leider falsch."
msg3 <- "Leider falsch."
ex() %>% check_mc(1, feedback_msgs = c(msg1, msg2, msg3))

ToothGrowth

type: TabExercise
key: 367dd3bb12
xp: 100

Die Daten dieser Übung stammen von einem Experiment zum Wachstum der Zähne (gemessen durch die Länge len) bei Meerschweinchen, die eine Dosis dose an Vitamin C in einer von zwei Verabreichungsformen (supp) erhalten haben.

@pre_exercise_code

ToothGrowth <- ToothGrowth

type: NormalExercise
key: c376f2ec22
xp: 15

@instructions Laden Sie den bereits verfügbaren Datensatz ToothGrowth und speichern Sie ihn in der Variable ToothGrowth.

@hint name <- dataset

@sample_code

@solution

ToothGrowth <- ToothGrowth

@sct

"well done"

type: NormalExercise
key: 19af2611cd
xp: 15

@instructions Berechnen Sie die mittlere Zahnlänge (len) der Meerschweinchen und speichern Sie die Lösung bitte in der Variable m.

@hint mean(dataset$variable)

@sample_code

ToothGrowth <- ToothGrowth

@solution

m <- mean(ToothGrowth$len)

@sct

ex() %>% check_object("m") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 05cba0be28
xp: 15

@instructions Betrachten Sie alle Meerschweinchen mit einer Zahnlänge von mindestens 20. Speichern Sie die Beobachtungen als m ab.

@hint Dataset[Dataset$variableBedingung,]

@sample_code

ToothGrowth <- ToothGrowth

@solution

m <- ToothGrowth[ToothGrowth$len>=20,]

@sct

ex() %>% check_object("m") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: c485fb1cae
xp: 15

@instructions Berechnen Sie die Standardabweichung für die Zahnlänge (len) und speichern Sie die Lösung bitte in der Variable sa.

@hint sd()

@sample_code

ToothGrowth <- ToothGrowth

@solution

sa <- sd(ToothGrowth$len)

@sct

ex() %>% check_object("sa") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 843e25104a
xp: 15

@instructions Berechnen Sie den Korrelationskoeffizienten zwischen Dosis und Zahnlänge. Legen Sie die Lösung bitte als Variable corr an.

@hint cor(x,y)

@sample_code

ToothGrowth <- ToothGrowth

@solution

corr <- cor(ToothGrowth$dose,ToothGrowth$len)

@sct

ex() %>% check_object("corr") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 5b0c2d5843
xp: 15

@instructions Berechnen Sie den Mittelwert der Zahnlängen nur für die Gruppe "OJ"! Speichern Sie das Ergebnis als Variable oj!

@hint mean(var[Bedingung]), "OJ" in Anführungszeichen

@sample_code

ToothGrowth <- ToothGrowth

@solution

oj <- mean(ToothGrowth$len[ToothGrowth$supp == "OJ"])

@sct

ex() %>% check_object("oj") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 88f02e6ae6
xp: 10

@instructions Lassen Sie sich von R ein einfaches Streudiagramm der Variable len ausgeben. Speichern Sie den Befehl bitte als plotlen!

@hint plot()

@sample_code

ToothGrowth <- ToothGrowth

@solution

plotlen <- plot(ToothGrowth$len)

@sct

ex() %>% check_object("plotlen") %>% check_equal()
success_msg("Well done!")

Vektoren again

type: TabExercise
key: 4766f57a23
xp: 100

Diese Aufgabe erfolgt wieder mit Vektoren.

@pre_exercise_code

type: NormalExercise
key: b5f5e76442
xp: 35

@instructions Erzeugen Sie einen Vektor x, der die Zahlen von 1 bis 100 enthält.

@hint Das haben Sie in einer früheren Übung schon gemacht. Vektoren erzeugt man mit c().

@sample_code

@solution

x <- c(1:100)

@sct

ex() %>% check_object("x") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 48f2446fd1
xp: 35

@instructions Legen Sie eine neue Variable y an, in der Sie Folgendes speichern: Dividieren Sie alle in x enthaltenen Vielfachen von 6 durch 3.

@hint x%%6==0

@sample_code

x <- c(1:100)

@solution

x <- c(1:100)
y <- (x[x%%6==0])/3

@sct

ex() %>% check_object("y") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: c363c8c5b7
xp: 30

@instructions Speichern Sie das Ergebnis der folgenden Aufgabe in z. Addieren Sie zu allen durch 9 teilbaren Zahlen in x den Wert 7 und ziehen Sie den Wert 1 von den ungeraden Zahlen in x ab.

@hint c(((x[Bedingung])+7),((x[Bedingung])-1)); ungerade lässt sich als x%%2==1 ausdrücken

@sample_code

x <- c(1:100)

@solution

x <- c(1:100)
z <- c((x[x%%9==0])+7,(x[x%%2==1])-1)

@sct

ex() %>% check_object("z") %>% check_equal()
success_msg("Well done!")

Cars

type: TabExercise
key: 57ba32e6f6
xp: 100

Im Datensatz cars finden Sie Angaben zu verschiedenen Autos.

@pre_exercise_code

type: NormalExercise
key: a4afb6dddf
xp: 15

@instructions Betrachten Sie den Datensatz cars und speichern Sie ihn als cars ab.

@hint var <- dataset

@sample_code

@solution

cars <- cars

@sct

ex() %>% check_object("cars") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 413263920e
xp: 15

@instructions Wie viele Beobachtungen und Variablen enthält der Datensatz? Mit welchem Befehl in R sieht man das am einfachsten?

@hint Es ist str()

@sample_code

cars <- cars

@solution

str(cars)

@sct

# Examples of good success messages: https://instructor-support.datacamp.com/en/articles/2299773-exercise-success-messages.

type: NormalExercise
key: a259c8f3cc
xp: 15

@instructions Geben Sie die 3., 10. und 12. Beobachtung aus und speichern Sie diese in die Variable x!

@hint dataset[c(.,.,.),]

@sample_code

cars <- cars

@solution

cars <- cars
x <- cars[c(3,10,12),]

@sct

ex() %>% check_object("x") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 9867c3f436
xp: 15

@instructions Extrahieren Sie die zweite Variable und speichern Sie diese in der Variable two!

@hint dataset[,2]

@sample_code

cars <- cars

@solution

two <- cars[,2]

@sct

ex() %>% check_object("two") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 4e706c2c5c
xp: 15

@instructions Extrahieren Sie die Variable dist für die ersten 3 Beobachtungen und speichern Sie diese in der Variable firstthree!

@hint dataset$var[x:y]

@sample_code

cars <- cars

@solution

firstthree <- cars$dist[1:3]

@sct

ex() %>% check_object("firstthree") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 27e55ee02b
xp: 25

@instructions Bitte lassen Sie sich ein einfaches Streudiagramm von Distanz gegen Speed ausgeben! D.h., auf der x-Achse soll speed, auf der y-Achse dist abgetragen werden!

@hint plot(y~x)

@sample_code

cars <- cars

@solution

plot(cars$dist~cars$speed)

@sct

# Examples of good success messages: https://instructor-support.datacamp.com/en/articles/2299773-exercise-success-messages.

chickwts

type: TabExercise
key: 486e9fe2e3
xp: 100

Der hier verwendete Datensatz enthält Futter- und Gewichtsdaten von Hühnern.

@pre_exercise_code

type: NormalExercise
key: 4f837cc9b7
xp: 15

@instructions Betrachten Sie den Datensatz chickwts und speichern Sie ihn als chickw ab!

@hint

@sample_code

@solution

chickw <- chickwts

@sct

ex() %>% check_object("chickw") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 11a12d6a03
xp: 15

@instructions Wie viele Beobachtungen und Variablen enthält der Datensatz? Speichern Sie die Antwort als ch ab!

@hint Verwenden Sie str()

@sample_code

chickwts <- chickwts

@solution

ch <- str(chickwts)

@sct

ex() %>% check_object("ch") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 92db60f74f
xp: 15

@instructions Extrahieren Sie einen neuen Datensatz, der nur jene Beobachtungen enthält, wo die Hühner mit horsebean oder linseed gefüttert wurden. Speichern Sie diesen Datensatz unter dem Namen sol!

@hint Wir brauchen eine Bedingung [], einen Vergleich == und ein Oder | Tipp: Beistrich am Ende nicht vergessen!

@sample_code

chickwts <- chickwts

@solution

sol <- chickwts[chickwts$feed == "horsebean" | chickwts$feed == "linseed", ]

@sct

ex() %>% check_object("sol") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: da85b204f4
xp: 15

@instructions Was ist das minimale, maximale und durchschnittliche Gewicht für alle Beobachtungen? Bitte bearbeiten Sie diese Aufgabe mit 3 Befehlen nacheinander, angefangen mit minimal, dann maximal und im Anschluss durchschnittlich!

Speichern Sie die Ergebnisse in mi,ma und mea!

@hint Befehl(chickwts$weight)

@sample_code

chickwts <- chickwts

@solution

mi <- min(chickwts$weight)
ma <- max(chickwts$weight)
mea <- mean(chickwts$weight)

@sct

ex() %>% check_object("mi","ma","mea") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 1b91385a8e
xp: 15

@instructions Berechnen Sie die Gewichts-Werte min, max und mean, wenn nur jene Hühner betrachtet werden, die mit horsebean oder linseed gefüttert wurden.

Speichern Sie diese in mihl, mahl und meahl!

@hint Befehl(dataset[dataset$var == "horsebean" | dataset$var == "linseed", ]$weight)

@sample_code

chickwts <- chickwts

@solution

mihl <- min(chickwts[chickwts$feed == "horsebean" | chickwts$feed == "linseed", ]$weight)
mahl <- max(chickwts[chickwts$feed == "horsebean" | chickwts$feed == "linseed", ]$weight)
meahl <- mean(chickwts[chickwts$feed == "horsebean" | chickwts$feed == "linseed", ]$weight)

@sct

ex() %>% check_object("mihl","mahl","meahl") %>% check_equal()
success_msg("Well done!")

type: NormalExercise
key: 5f7e723596
xp: 15

@instructions Bitte lassen Sie sich von R ein Balkendiagramm ausgeben, wobei auf der X-Achse die unterschiedlichen Sorten (feed) aufgetragen sind und auf der Y-Achse das Gewicht!

@hint boxplot(y ~ x, data = ...)

@sample_code

chickwts <- chickwts

@solution

boxplot(weight ~ feed, data = chickwts)

@sct

# Examples of good success messages: https://instructor-support.datacamp.com/en/articles/2299773-exercise-success-messages.

type: NormalExercise
key: d73e70505d
xp: 15

@instructions Unterscheiden sich die Feed-Gruppen signifikant voneinander? Berechnen Sie bitte eine ANOVA!

@hint anova(lm(y~x,data = ...))

@sample_code

chickwts <- chickwts

@solution

anova(lm(weight ~ feed, data = chickwts))

@sct

# Examples of good success messages: https://instructor-support.datacamp.com/en/articles/2299773-exercise-success-messages.

type: MultipleChoiceExercise
key: 1be020f4d1
xp: -5

@question Unterscheiden sich die Gruppen signifikant voneinander?

@possible_answers

[Ja]
Nein

@hint Sehen Sie sich das Ergebnis von PR an!

@sct

msg1 <- "Perfekt"
msg2 <- "Das stimmt leider nicht. Bitte noch einmal genau nachsehen!"
ex() %>% check_mc(1, feedback_msgs = c(msg1, msg2))

If , If-else

type: NormalExercise
key: a33e66c617
xp: 100

Bei dieser Übung arbeiten Sie mit Bedingungen (if).

@instructions x <- -5

Schreiben Sie eine einfache If-Bedingung, sodass R anhand des Wertes in x für eine positive Zahl den Text "Non-negative number" bzw. für eine negative Zahl "Negative number" ausgibt!

Weiter soll in dieser Bedingung, sobald eine negative Zahl gefunden wurde, ein Vektor y mit dem Wert 0 angelegt werden, sowie bei nicht-negativen Zahlen ein Vektor y mit dem Wert 1!

@hint if(...){ print(...) } else { print(...) }

@pre_exercise_code

x <- -5

@sample_code

x <- -5

@solution

if(x > 0){
print("Non-negative number")
  y <- 1
} else {
print("Negative number")
  y <- 0
}

@sct

ex() %>% check_object("y") %>% check_equal()
success_msg("Well done!")

Show me your Skills!

type: NormalExercise
key: 9cf1fc2eb2
xp: 100

Die Fibonacci-Folge ist eine unendliche Folge von Zahlen (den Fibonacci-Zahlen), bei der sich die jeweils folgende Zahl durch Addition der beiden vorherigen Zahlen

fn = fn-1 + fn+2

mit den Anfangswerten f0 = 0 und f1 = 1 ergibt. Also, 0; 1; 1; 2; 3; 5; 8; 13; : : :.

@instructions Schreiben Sie eine for-Schleife, welche in einem Vektor fib die ersten 30 Fibonacci-Zahlen abspeichert.

Am Ende vom Code bitte die Folge ausgeben lassen. Also print(fib).

Bitte am Ende dann die Summe der Fibonacci-Folge von 1:30 als Variable y abspeichern!

@hint for (i in 3:30) { ......}

@pre_exercise_code

@sample_code

@solution

fib <- c(0,1)
for (i in 3:30) { 
  fn <- fib[i-1] + fib[i-2]
  fib <- c(fib, fn)
}
print(fib)
y <- sum(fib)

@sct

ex() %>% check_object("y") %>% check_equal()
success_msg("Super, alles gut gemeistert!")

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

chapter2.md

chapter2.md

Vektoren

ToothGrowth

Vektoren again

Cars

chickwts

If , If-else

Show me your Skills!

Files

chapter2.md

Latest commit

History

chapter2.md

File metadata and controls

Vektoren

ToothGrowth

Vektoren again

Cars

chickwts

If , If-else

Show me your Skills!