From afd7d1babf40d68635002eaeff9795e71369e4cc Mon Sep 17 00:00:00 2001 From: marcgauch <34353267+marcgauch@users.noreply.github.com> Date: Fri, 18 Nov 2022 21:01:02 +0100 Subject: [PATCH] Woche2 --- .gitignore | 1 + images/kurtosis.png | Bin 0 -> 34891 bytes report.html | 367 +++++++++++++++++++++++++++++++++++++++----- report.rmd | 211 ++++++++++++++++++++++++- 4 files changed, 536 insertions(+), 43 deletions(-) create mode 100644 images/kurtosis.png diff --git a/.gitignore b/.gitignore index 413247d..bebedbe 100644 --- a/.gitignore +++ b/.gitignore @@ -45,3 +45,4 @@ docs/ # translation temp files po/*~ +*.onetoc2 diff --git a/images/kurtosis.png b/images/kurtosis.png new file mode 100644 index 0000000000000000000000000000000000000000..f02ec101c230659339185e1aa931cef5b535f085 GIT binary patch literal 34891 zcmdpdRaabHux*071a}LrL4reY2rj{0f(LgC?iPYI794`R)3|#R+^unUJ^MR%+?V?k z?!z85dvuTPy{gu#S#!>cR8f*aMwTF>o&mCisIl@P94?$NvvEm{$lAGPF}dv8Y#4b5$}4Kt-kgnXo19 zV??#fabYHZte4=M^Xl@E-RALthgSWpwIE`iNa%^aw8k9?eWuzf^1xP zawy^~H}?85dZAc;KDqEL(Qn~Any=CVjd=aBCg!o7Gv6MFwP6{eQ+g{?%|{UQIQ_`O zbCc;eGkqL|&pL9x*&7)dDTb6-Mr;%~eQmeAcUV^SeWBXK#M-KV(TR>OUg#1D77?RB zJQU@SJPV;|Suvf{VxiN|rGs5C%Q0J{L?zJg>2~w#VWOqV8q}=M zX6SuD`*?SzoXTcU&4Sv?;k@~k7G4|zizTj-CyCtZaYlYBubLT}&Sg1MC{OS;g@x!; zezq_+tmQ`_1oS4HJ|;jjJ-e6$uWLPiGG>xvo|g>UC2~DdkqJF zwyyt6N>yVOaphbfE8!7n|DPLSFwmh7OpW&8xRfW(yI?xp#@L?;_}M@dw@j(uVi#H@ zOV(r`uodT3Uu{rA^CQ#7n2&GD_o6F#kn6j>jy-BX0WOzUeF|8kjPc}9?` zG+TCt^#UuX|G)^#JYuB)#2s7^3>HRq(rmVJ~ za%1eWdmqMzSQS(1#jPljAW~@!!bjUfu#S>~OvCe68|2_MPCeM&Vo8n%?!Ch`hW`!0k~t01L$*NPIH!MN$%uEfqC&G&J2w zGnU(LsZp`Uw7=F>0g@WVLG46BJUl!sIoLOJF^tSNM@h?1q-Bnl{l&4dT2W!SYkN*k z?rRSYQQ)Kl4jEn`I}bc7HL-_rg1np@m4E;-dg;wU*n91d^u?QT5p>iuus`XUKxtOV zk<`kjItStt*oGv$JtN7N0m}oscfm4i^4#c^9r&ELQZmdMJ<7R!@HZNn@2TL5tg~HE z;hC$~n<$hDZW>mb>$GG>l9}a`TeYrw!EIPQ0}4yMu)GcV8ZFMhD^$`W&)6g(+>I{+ zsYika%JD~4MGF7E`*zq-2@BksA1@4+=vSg8+Zc9Ny*&@&c)0#iI8fuZ^Fh_a^uo4c zdAWCEt5VIbwHQ^)bEVDBdi{3pZKp@OIIgapf~y%<>U^S`#_^t*Cy1EmkB7tlD#=NT z-ua3b{fckhiuYaER)4OUOd3DV?Xes|S`lM>nF>P?LvCtxvuiX(XO_Hg$0>_ZXOR2~ zNsCY4l~rr^y%_J+E5)F8vmHM~dcD`oudUi~9Q!MNw8_CtRYb*d^zNu=zJGtu^X)23 z=W+p;$ANQY)n@*`Z>(78Kg=F#;YnY7FeWFSiC4j?GTFX?8RP+}0dFsZJ$!nNzd>cOu;Z?8$qP3t{= zcioesy;&aOi?vgo!q1n{+_A)AAAC`y5Po}c5nRya{83w-YybTG;~hDK_>H66Lp+9L|#@T74g_Pf_@cz3TZ0sqBYSCDZ3@Ew`wTy0ru$dy9%+(y6OBk{__6b<=4{>N6!^WLQSkg26g z|I0)uMUl#m!7Pp=0&tpC9%NaM+RPY@;`a^Uc3bK#G{(+bV(-R%iP+x9%~u;1zxNgK z6-he8vrX{c;jnI0RFE{`uvq!Cdxv9C|4}teNE$R>V3qE?&=_j3cmIMPw)uWM?=5z` zrAXZ&Ojszhf_~*AZe(ATP2CB)~X!{!6J<{Qn0T6l6VxYq~7fjC71&!Y6x1yh}b z%*=-d>k%^pA6A7driLCphtNX#&BHR2d&ideO6Ce>)eTkgGqjKN^kyJBYisM`^6dv- z5e3N3{&c>MKoJ@%mQ^cu1ng|JJ*pyeP!ZY28M@$wr;w)*o4?TuJ@W3z=KBx~&|V+9 zja3-FZ^Z#|qebA4KSu~iVhWpZ7%zgUcPVEkC!4T#%dLr%hU7uAU%RKW%J)b5g<1Ia z6bw>zbxxMf4~oz4x2tVa^#`LPj1<75#&PhN4aFL)Hb0U`?E7LT6dd0 zwp)M9lBH_3LSL~)^t?*;DAi#|zEBpPsLUtsfiu!29%fu)X^Pzv8fG~E0X9G>5^yt~ zrf%LsX^GEou;7W2gzVf=8lbZ1sDT99JW`d|S@pi+?9-+WU6rWdNxhf6c}#LtNby+n zq6aR^I8q2QxiW)6Izp-p-1Z(yYWWZzIxEYcvosI6f8-V`ILcT?wM<67FRY3qQZ-L1 zRF%znRM_vcR`9aEe3)ly{0fc=7Q>*r%l&S0Vw@aF?1*qGQk!)t|v>$n4-@K&CSg&_zdW@ci)xpuYN!1 zD0!dxMwMir{`4ZGUw9oLaWH?rztE^MeA!~8K0*>QNQF7;xGU)Ld3_jL%b+6rnvjwr zt)Zc@550RZ*I&mJ{j%JsQj#!xZ}X37irC1;hAA;IkwAt5m8P_`R8mqhQK zzo$kOxlamoEC%M)Y=0}!354ZZ-h9@4L7__K?Snql6G&+@-F5s(hHTj?CY zIP9x1o|8I^th8drIohu2+xWU2^}O8mjAyIMiSDSxbQfR&5U@i=` zTkgT%7&#p?M6#oru$Bgp-71GU+k_o;NGz7_R4@0_JS&GH>Z+sa2B~zGtBJBuqE4?% z<~L`btxcpRI>iF7I(2%_bFqiT1S*?YWmU?dI&tNN&y83uHb>(TMb`X=%*ykzSLzi! ztRKZvaONwly&V-qz(*4g?qdXeFb)%>L@x9BGM@0+!8G?mrj&rRTIBO&&Cf!N!Vf8?=Oj2BB0TV980>o04M@U$|S# z=|lrWVjY@fK5gY@V5fu*sq8V-%`sN9>ip4!z(Ox5He*xQHbHui>cy^TDeqE8hm=J= z>kQTw3|v1z9k*ju>Wa8&1cnQG?RDK-3a%7fxyN$YAt~r2bZ>Lz>Di3Zxy?w(;3>gi zMDv-o2H!T3L?zaYy~EwKl+fkft(Ka6FB2^m?hXW{v_BTj(q!k43<7RKm>A@6KPGkJ z8DVO4m5Z?)dOj=XP4F|R9gOk##E7QTEKmOzzJKMs3g9-dfjc1l~?RO za)GZ@H*SWsDSAiJ1lrpYRmy;5c;2w-;=H4pnH{!goG;$Teo}eeFRw^Zc7h9|Ik)*2 zWHD+!^u_Qi?4G%0WK<9l*AB7KXiBwj3tHNw{QO^)9ZC}%?>Is4%gxp2XQ;pmwgCNy zB&?zC*Q%b~DJW%dM9uO(rmgQyEbZKC0>&Npjz- zBhM67wY=mVoVO%gJ{EUpZjvISQfKHTE0WfAF+-n7g$Vopx)L60ZO2Z_1f>+*vq2pD$KL+x8c7 zX-VE5;VZ1Z*=R6ebS;7XW!QDoL3msDwz~pM8Z5(AqAzm3;wG<)tpqtfcyD$;r1Ect zOEW*t^P)FJ^8`E(-NFtss_&{D{`*VWp~i!55H8wjFcOGsHQmTs!`3y&pj(Sp_<{QV zD!ht6;X`-B320P-i$GpBD46El|IGlzWjmh&Q{{TlUMkE#T*9ms29Ns3K+p;zT_h$i zs{$W}M?kv?xrV{(@RMnR6zh?=7m1GxxbZpdU=>YO`<50w<~po*{stFtt^2N~?RRZ} z^x|{VeM#eV(+15!?1%=4g8!lq?ko;G8|^o*KtBg2b2`Q6MQEl>P343WdrsoP6C^aJ zJK@S}JDb*E)w=R{@ci+ncI|}VRjP}`qMyRsmJdcj&(x=?I_FId>ARDjx*T8SL{9=n zcR3NmN1hY5NNQFdc$&Xh1$OyTNeKE&P$>a-t6>~JhXUEjR4*S-<#*CIZOIXp+v)sy zv@hNUgONjdq{5)SZ(5&sQs3N@TD?&qB)mo4ue33``<9TA^!CSnvKT)P>{dN!-v!Rf zLI5cwha_ZAbReOv(sC*FD8ebd`RiwsgC^7xqO#3t#cZOf;9$X~TH8T#V*LQoXc3=S zt8r<^#592{?e^ce%}+lVxjSD4&QOF9=~;C~Q#dnozcG8hxDoQJ@i#KCeeL-Uo`RvP z39-?twOKWC{b86xH@`X@*YUIncA&`VyrxX8Kki=Z@Od~nYKllP8d-g>1}Ur-grs~6 zi9L-RxTP@ZsMW4Nf{aRKsYH^*-X<5wkxmL<+OZsZtor_T!+^ff1{-6FWXDKWTa^tRwCY6do zNc-E^>i!p3U#dKs8N{0X1?@axHcHTrgiqN)Y4z^N&f6lJnPu;)15O~@SWBaeyW(YsI&lF5y3@AU6Qp+cL zdh$*uSDO4QBC~ti=JGe-NI#n+6NAJ=7gy$33^&x?t*3%!j;iF7ing17r8>0~{Ip$E zo7*MflHNOTZTl8v(=R2X9eWEZqOr>eLAgn5a{VNA#|FLpZm{UPARigx$-;~!=o&Z1 zK!A}b5-hr!B4wwCMT9rJR>8dJykI&!X4#Uf$NPwuHPkJ!oPKq}qySNl9awFt*e!f_ z?Q_hy<(r}7f}2OZl9pl@?U2G&WD)<=+$xRz1$t2&w!PjMB^(Lt#RcO9))P;c2UWwI zd&)+m#(XUIR)`8ElHmv`g|0c3_swa_>nN<)NuXv|P6`Tc-ts>lLdV{3t{n&8_bQaO z8wlvJa=SCD@TUvUf@c{%1Qrf{dMXY`zjox6<&VHt4|xhlqf-msawAqP)+fRsmsA0;7vB~GWN3> z^0;AfVzhcMwv+~rlLZgt3&zol_inq7MxB9Dax1gH%nL0PrI%JfLJQ*Po_}WC zX_arSP6x}azEH%kL6UxbV>7$T#jS=!M8=A1)A<__7tN1u_I;ePLt}*r04ac2eGTnK zCwLrIP~(!M$3EG%uAZN^JxpRtqBifOu%Rc>%PTsJ5q=BNbec}2&;Dw_I~CgHpnL7@ zC}gDI9fF6Nx)~KAvw&YDdL4ec!}*1%sk~tAtNfKI*+R6(qYmW7CTpMF-H*6&^mIM_VWQygsak_4?pIem z%KVvxiYKNUS9;Af`A#ipY~Xf$=FZp5kK;bK_hC+vZy;CGe?{Y@{F^cm^cCz}TMbK;5cd}S=G9Xdj1Lp`B~Awx z`k$aQ`WaAD5PdQ}N?${AnHqu+HkFZ{?$-}K?&S1zxfnF3wu9exQ6V>vpGkqhgY9lE zp@%$#*oh0JZOxlY?iy@3lUrU_o*T)N5%5tdRRgVs`OR0GHVR%ga9Zta3Gzn`8&ROp zhvOvL7*GS6#GUiThN`>Ws<>VJZOqYf5c&Li*DLzEvwHjwS0BfBt4+SK=M=k=zruKF z;ju^s9DmlM;e9XDV3|x}$0#<8&Fix!_HjS!#`%`Afb*tSXQxsV_LWK-iz)&-uZmWq_f%{<(lkDH5yT1UH9{tM(Ge*AG}1)ZOpGT zGBu?JdRyqiQ%{0Nh~c|Zbe)Z;JXvwvGH}iy0hsjreeYYZ8^W35;EgaVYiuMAefCTm zsK`VIzs=)pV4L4ZA&Z6^5sh@{XCSQ04zG3K`!d4}60edVbQp3^`_FE=?V~c$0Y$zi zg6S7iluWphI}pF{mgl85!qs9CE~xL|?@;hmof|9*3CO)IM=l@p0*XyyWXFjAdW(pY z6A%~MmXvn2O5tkb&lrJ&MlO>1nEG1`sk@qBjrJgYexX$~u~NctCz|@7_W6nEisw3m zP}6gFVqS8fRhZB#?hO+@ilNIJJ)N_L4-v#+=8u^JdC3+$S`qt0lBPpv-`$&CvE6uf zyKu8;GRphejb$S(PN!>BJ5eg_*JX{$zj`R`;hy`E^eyGS8w=UgXhg4sH_UW!XXC>F zb85Fd0KM8h5o5%H?s=Vy$$stO_2%~MIKUg9JepEVkdhpd`&Vhu7W65R_)!a z*iF^gmKPh>558mB!g`gVSt0hz3Rwclh4QH%@bKIw2tQ#XmGaHIS>A;$1|>PGE+OS| zofRSy)%6XYMX$+<#@ZvoTZSdMIFD@|+zBr8IwQQdDvms;4MpOAvmBTaHyen_)vVCH ze|c?ZzP8hQUAsAQGIA%{N|fQCSNJ(Qdo^>J>3`tfR%4$b6^;MNYyeH*-ZR$IZ%?79Ia?)qI8|Ls+H7=h>L+V{@c1`*tJ4pCHqXRqAn zVLt4qog`&KL3ft7=PS%G6AsUF6>zq;Hw#mzs#*|URy|BMy4uNH(xen18shATj!U0#bD`QC{?8XOd3kwOfLc+R z%8yz#g__3vDJhMAmrUgK-t6-+Ur5pDN=mGr;UK#3k3!3E=AB@2)BNlMzf$2ahZGRM zQyu;oJIX+ocn?;^3|l zcxeNhn>Fq4u{meX(e*s(SD3>Xx3|lJA}HE3_!Y&-_kFw&j8t^?ylyrZA;70`Sxr$E zDP~B=67zThl!w)7E04vki@Ir6qjV!x)-mNjOgCjT_b{0iaCXpJ*vP6hTNJzL>p`T4~z14iC2SmXpU*a+B{4Fth9ju9Ff?gIyCci>OTI#3Lhe}akdKznZVtZ&uRGTF? z#?>pejF&BWOP5kY`Oe^051@%l8P}&{7(o7{5EJMbP=P64??f3i6$bXQ!kda9RlN2~ zlHnL+3+-N9!HAf9yQxMPw~NMN8%a#Xwjk-3#~ZKhSl<64ZqVuqL@x08VvwR8P;Dfo zq%4e%TolqLMVPr7gsx)H%$g(Wg{3@)oF=zfusT;V8e=O-jtyGU&fKLg=L1C5x6I{x z?VDy^KmsclBg<$Vg|t6jdMf0z#zGlbT|Z~0iCVH=T#`= z%LGi{Mgp87P^5lx&}F9dFkhUDMWvLn!DpYFA*V;HF5riaDxQpze6S9PCpfoSg2&V# z2#l7OQ`+l=M_mZmk=^j-O2rpP8X;inBWqg4f2@Ip8Q1AeqKz`o+dG4f59l3#Skl)a zv7?elgYPUp5`YOjQMQ20t!n&L!)wZJfoZi^-UkgRNAEdOcM6bIwsP;ERvxr+)1n6T zD42V)!YC1mLCKh774_Uz8@%0=jlhZDzFHQ2HUhmyyUiurDvPtV4j{t6 zKie-E>)^LmhI3!cxRJ#V2HP+9_4i+FMYF3_>hp(TkbMQzzcfLQAGh#1IQ6d+g4I@u z`n{R_TpbF(#1q%CHhUUF>`^yG8|CyhD@zDDZ&_>Ztp0Ma>ZPU7Du8JlD_;$+?KCA^ zk3|iUs6s3r>-+>D+)~9#S(2uvc|slbIqst1N%{~h)BOnSJkf}zFYWJ5XXKX4C=c;j znS2*JspUZPxZ+6D#d3<%_FW|6NL20CYYI>I?Uy%E2g*^8WUn4e+kD`?Y+H7`lhXhl z@XuD*HKol3w&+@lSp8No0C@ z)eX0zgU+Qc02J6h+bv)%oL%2B*rf%o-w)GsVy_nGjLg55-^oMoeylXB{$@8aBn+cU zVbP%u!Rmnux>VKL>lG9fWZt+ypC(1$+TTe6f-2DV=@wmmM}~T=2Y{bf^%{pV(z48U zsnpceE)6M0!+{TktW-S*TJ8oSl4BY9UW8(a$Bnnh-P*S&)2gk$2T$=Pim7IA;#>*`1hNL)rsc)%B zR&FwPCm(g#6DTARpzZUf{_X*Y8b&+V@h$$iKN z5lP;zqDPGB*@pz>r3BW55K#RR{&-dsdd-fOY z4MT_B*bJvAvYoFKi)A0RKeO_oksiXeP!>gp6o-GJuM~G8-}xIMOh)uw_vrOiibbzc z0T5O7|NDC^;=D&>uQ~j;i1&Omyk8&7KUKaU@Z566)!<`bbEPg%BJoHIY+c4(&H?+O z!J^#CRA*pBd^}D+6E7C3)+rW{vfyttPNUVO;z(e^#W(3h6$ahD!NKT=624Dc6<%BS z180&K`$#6uD|!8jcM()g9{3$$ogXwV!q!$a6`prUE{<2pq>8(%P^m&Z599XowvvVW z5;f%8pR_Tjt0ll2JRMJcCwbqGo^~8MHos1n$Z@HbTVYQ>FHPiq4ejZ1Y?10EIVE6D z9sfX^e-shih*g$4f$KJsitBW7K`lV1NLyDZoD?Dn&+A8nV6s=i(BQ|qFrlK z1?(FiLGBM)4V_Bd9qmyO@y^kQiUQFUGLR5^y`B+A)XVlFkJ^;GVfsrqAPmcm!CcF2 zr>*kuOfR6J41s1zV$-pc~uIwMgkSA&T0jH`~u zV(yMiDzLTpChv%?E~USs%GG62{f|{p3ag$R?@0*5K`bExJw>1^#3RdM^l!Er1KY1} zU>0brm_xPYB-`seLsX}SDBMpf7X8HOv_amB-Xd=Nilxbm?LnQ_QyK;D?;o@OYF#aD z^Q!OuCDG=-LO(rNjRS-AVzgkLOlgeX8lopoDyjJ|;0nLun{CdjD!eE{pZartVU?Ph zZVdks+iwjN#F{TICO03fA=Io~?U|1j**@@TRlhkTx%Z!w?^}@DS9SVmb$(BSsn!79 z{zxu5@!GK7waH`0w?SincD6F@z#XrkHwNJA0|-m@YcM%%7foE{ca|U1sr{AM10y?oI0IS(#$I?c3d$<(= zbUDx$iKA0%jtrpOZVt3`S0QFT+jM0SMlyZr*kAT}Kxr1CQEr|)cwe_W{G+_J5}Lqk zdRzUTxjIY1J?sc4GIG}5iR;d_73Sv!yU67AKvV4~dqiy9j`1b3eyGjGO=_Jdv=Dl4 ztVJE*dq-P@7hP)ICn;s@$pX+mv)2DYL&A-qcYbuVTK&L*CDIsz7a>P@Gn zw-jxR6wFvdSO|%^BW+j*|CoQN+gF0~F?XX!HB1r{$9LK+nd%Di3 zUkfw_YR)%W%t4K?C=RxcJVdB+O$fqPvF;7(Ql?ZI&@6$l19tD`8`!v zhBs+|q!hyHS`@Yf;^dkUQ`bl^A|Vn3I?HW$hD61D7E!)$)QZv-&3wb^;_U1j3>1v?N*wcN(7JkVk=v*A zET^l7`>8X_qwZiGo30Y1teXH|<-b(SBF`7A)W6j8N=fZEZqjktes#5;iJG=)roO%2 zCx%{GLh_yXF(@vu;rBs-f}99VqoH9NMS9*B+deqyZ)eCqT58BZ2!`^-->RNGZ&vT* zo-b$yI_`pFKH(c;(2@hEpCge#K;s}{C`65s~Bymab!HWH(dRvIpXkU_Yu|Y+- z(53|V<&?d4#SC+WwP4HAy_-&8nAD1%4GMu`t+g4~|n|1;8kU z-!(R1-P-9!q>!AyDM#-3awxFWkffsvY*ggNZ~H;i6p8d>8D7Yi?+*VpFv~~dZKrm1 zB}{)PMl@YIWl;+$HxGA}8FX@mp1B@6GpA}P8t-K|OndYcd;aVVk5BYIC){Q4_+Sg& zzJ6YR_mxN{o&QMv!^tnwEAjM8yobA^RKg2!iEQ6}ayHvl^tV-5KJ6C_-B~u6FE-Ac zPj|k>yw1}&C7S=akXUy$dqJ72v}u~WGbHu`F42!{_A_vDiq zC&8nJTj{)dGYx+yHesI}t$%!Y7PL|=MtM1FOSj@mta?>6J&s^z{8u7CR)&#plJ9

DOaO_p-e0;o9^ z3v1OKoZnM|$k0uPbj z&&)W|aXZCtbDaDA@t!-`Ki<_JdC_C1YN0lYWsrDF*n3q9QPghCjtV-%4aBFW%h~+< z8XyWsTDP|z@HQUJ-Z^C7v?>kg>_O?;&NzdC7Gr6jd~X*mR{#f)e!$C(r%?7(FCnRY zm5+z#wJK3(joo4>*fW&6c<7taG{*;(1e^(*X}Mu6nHYn@&+|qBct1UN5@k3$ zC_X5)#gH*C(>j7L_3ndEbcTpDhI*ueDvz31exyUEPA1y<&n%pZPUYn{`yxNGjP|6a zgjwiVf!g64Ell9&{Exp#Awjrn>_{MtyEJejRRj=jorZmbugPT+7iA7bUjM`wQbKcW zySLw24XwmBVp-{W7b5Ez%BH-B3EB+{f^!xD1%4b<;->+e3F!y(-xtMBz90$ScUtR2 zbe#!2ETmYNEI#zvtIu~slh!~MqdmK+mcxPljTTD{z++?qPD_sOV}x7V+r7kTXM7FZ z)-xd_4(*B1Y@fJw|0mXae_6hH|Lxezx8Wq%)2@e|P9_xYk@j>{J`;kIM2wN8=G_$+Y^HFxk<22kbCZ2R^O!bYBY$S6sRlT*9OSDFG_6|6y zs38@2Bu0hq={@Oq^6}S~r-$=i%*ePnjIyhd^#8RBm*~{d0o07yQoVIKU=g-eVtv=N z&bDlOY5pLYyD8A_yyjEOP7+!^-jT<6Qq{PgLQLMC6Lh~MKmP!gw_9M-2`_OsSK z*8Qfy;7o>khbqo`hD#RE(2=qQ#>R6WK*6a20A%Hd$53!04e1rgnhCsFf7i0~iIFjK zvCdK*=-STH;IdRgixf@H3>TVJ>C)%w>rh0BbL^JtBZ+xzH~=Eg(C_9SsWJ~;2qmBo zl$4Z^3ept_uFsZf#Y==^)VLjK>a)$aEU%|y-M?Vr(aN)pXJ@g882%sk(&3_rvYNVj zWJCngu-s_6EIJWq2+*UQa+#~*xAj_XwBO#27yUln7Ee<*0c5+kGqA`S83Fo-ZT~--(myUu9~Uh|tcuqm_LxIC6fM^BMhX zN=O*G#8<(+zJ~EEL4wiR`}Mb10zUm$@Agca!~Zx%XimT$K!u=-KtgPB2e{C3}|1h1L=4#F3C^A|S@ z=lkQ6w=p=gE8TNoaPVruEWXC|Kn-9`tET2|GjAq=ReX7}Xbz`A!;2CU*AC6bS-yVC zJD4rkPjtrndvO|G*HXHQheq+nq`u~vGRoEg0(;Poq}%(K_7)8p@g1oKJX5`WwoQ3` zB?41(pas|0a{~vMBBV&sdOA-k&f2RnflfgpSXAjtj+^7d8P;8vbVo9FUjU~4YgjmM zw^G&0Brd<%?O1ao0R_cme!K|r5&>D@`kz3%wllDn+bynF+&Qu^)fdPG#j-3oQ2C;Z z#Hjju8yW2clB6iLTxY+Gp!w34vbj3SX@1Z5@CCVnp|bgl6|q7N8&7AW{p3NzLE0w0 za`sqvFrwFK3)J~o?f9pA@q4pIiESg}C30Dub1Pax)oycRFYPQeoTlzVa922D!CbM^ zYtZEMEeak}U$sfEcB`wk6+ge5L8D$ULhb(PZ^l}K{sO zJP+IBws+y;HBe7w*7KnL5V-E(G~aQTSbJa;2iux!kO1#1^?u-!{pkvFjz7xXI%X(J zRzr-6bo_X6jz5UGvN;H!Rd+`=PLYf9{8c`X4&0mcCYJiE`iV(<9d1AiJEr1zyTPXV zjOjiXStBY$?=>W2t_zvjuj9g>ZV;cdksyb?E2DoDLS{Ff zKYx6z|HF9o*Ym#NlaMN^$m;tnEwLz8c<2L?2tB=}xHt@O;939~^85hJf!^-8w(~i( zt9HJg@IGiE3rmqx`HCyg*Vv0a6lGa!Uh<)57!HCABDtGeS+(ZN!YY>)D7b!>`NZ$6 zbq7a&F)j-#jmqr1n3(1Ee6+Tjl|?8JTw1pV|2nPVcR$t!@z~_ z(|to8RJ^amUirqfDxofMx;;0en4a3ua5vgsK2ZK@64C1+V=Z%`9`9>pZTBZpbOCrZ z&xa0pwC2sIuKV9Fqu=E6@rsR?ojG1#JotPG0mP8`{$E@QAjNRso-7aEUu;jd87<1n z{BB^Jy2Ru=45vlU^`bhDbj2Kpn7}EW5ODlqX~)O%ov#Y|D38*AjM5pCof$9k$RMA> zvUvu66M0(7hWPhK_qxq@2f^1im)ETotAwOiS8~XU!FjuW$_AY?X=yM=Rgy?H?^+1+ zJu04_`nx% z@?{CK{acWPzxE22F77YlZ2I3=`~|mA0uBz!`_4s7-pWLnE8nq9qU~EwZ|CeAerKW2 z%MHN=A6pFn*48mxB6;PF1YwDL_a3xfi{KdR(6v_9IbNy@U34qG-fs#E^+;PiG9Gy= zeSX^6F$VyrgtN1A(M~_nJQbi?FfuZJu?m{4El;pLW1NVwUk2u{*3U5S3Jc71fSOEQ ztSrO)EowFjZ~9l#WOEUq7CAXNDS)^mflRvqFa~7^B``PD9%A^Lim;h6XmuDNnoW5d z#E{X4tB6tyF>I8wu{mTsL#6x|7Dx*>Xw&TJoFC4M^L)*I01YXHH+!j#vIgO@>8Bx* zd;Xlxm$`x{i%u8F;r#mbOX;o6oY$ZStXW6-0$zR$7t+It~`@FKAY7 zy7|(MTX3e3B3Bn@aw-5(0b$_D6;=kSJRoiB{4M77y>|rhIw%2J4~nsH#}{e*pJW+x z)lbIMt(8=88db{?UsJgYXJ{uTEYC85KBhz^m&^b3>VXrvO+~Ox7jum0QeV)9`1!Hy z`E7*R;!Geo1&Y)TWMpJAGhlw$lKeUKH#+A%**QwH8S6*Mp8FBw{LQ(^e~`%)51ubp z#_y7B#Cmf!17nGeW|MO)iXXCg+JDi?&(xU76e*Ytmpo)&9C2LwZ%PEORy-q6!8c{xW7R)3%0KdDf|=Onrvu|a!eWzud_CL!`17p zR8KqZ);5TZ+#Ra@aOkFE)N~^qRBcQjvyzhCK)XE1gEkOP zF`L>8;meYJS{eqh#LVbsUR4tqzaj8$%Fb80k;T$uI#oO1ixm zi;&D?=KrwJf1ML>+|vVC_TFF9iL>(frdz@`SInuo!klvQyVCRL0I=la~NPav01+oqAbl-^pOkg{(k#9O*WJ|Cgc-M^p|<# z(X-KrlGVu4ZHipeNJ45Ma%vi3U?|1rv(*GWh4S~w9MOc3k)gaHD$>nHr~DN_#*T;) z+WvX001CsTPy)u!n%`cZCgn$AA2x0bFb5UV44DmjM~6$(1N8@e8U*@$HfmU*0lrjl zzzih~Eo~@)p(oXTh&xJawxL_DBFX(e%|qvCAzTi1d5AELyh3gd=`xrmA+aB6ER)Ao zqB6-&rwKm?JCJ0yH*bh2)Bk$ep_b;eJ(E$6w5>}f9|kF37ce~W1yGlPR&Am&1)9bK z7Dg~S2`je!vbx}U!cIR8vx!nD%+b!ovd*5QMM7*|d>V+;=?DZ70%RebQYPWGzHmh& z)XJSzcL)Wagm>ibpG!FsjmhMYTB8^u2wzw_xK+{1;xOFz_5tcE@WdtZbnG$^Pbhh` z7C*Dw*cS1QMbOf+CkiG8tJ*yBH=33{)w&l~$idvMD5AGhU3Z1HpO+e`fK-?%C4M&t@Q z?uWx%xGC`Wy97|m#aCgJ{)Z3JXNu^GI7qBvrKp-52Mt>H*C#c0s~)82=(%FOdnaD6 zFYGN1M?4EqYb7;?pRQHnkPxZpKW?^;ZH0`d+%NL;ZtaHb|1qM#bnDJ9c{XI50G)n( zHKdL@MEC5Up|QJ58U3Ldegd`JYd@hjU48-GV=s;l2iN*JI^ENU0&a(r{ZV*CBEEcN zg6={cb4LXqnT^Q5CI?N5$WPk;RSAi#4r3WYlromYv)G`SE z=Sn!rQIhX*i%%lUXanNOa+3qJ4)AGs!&(B9xuNsLT@g1^e?RJLee?;UFXLNU>nPkj z5k8;AZ!Rkka?tFMB8wj{DPj1pPbc$O0g5f^{z}VL>4l~eehRhJPNPe4rd^4p4z~2= zmt1C6LbVOtNH+w$QO;fJ7H?Tx{?KjLi(br2htZVFGwXVxLA(DT0MHOvL5k25UeG=W za5xKU6Dw4aad_;R&Nn93{CrZDwO1C!R95;47@xP@+q~{pJto^b4+=gWO}*Ew3Zs#k z5w^sO;z&RY$tKkYN@Z&{ztswd1|4oc{8okoCAE0#Y%k-HR~)j-e5JuyI#)QrFW^v6 zt!?#aaV}Pj-`&y60>GCz z(vOzil&<+Yx^vR2T-uF^1{D?P|9i#Ml39?u$_0cj7H=8DC2C!iK^b!=f zl?RT7bY2H?;GilFW9LhXNh8!LJCA1HdGew~EX(W44av^iaN0q-e*uO}eEoh+xhSL= z1-$S8?-#o0!&$71sf5pzB439|MiGnOI@p_V{6kY^sX<$6AGeq&j6+{g{Oq%rZpr7k z@$PDGT+q+r=F2~Lrf%+x|=oif+RQ^|DvfP6`M>t88TA5_hahXVXfXuyWSc5s~){Q1*x}I2PVt^vm*sb zxpQrn)RPH*&24h8@bxQd&qC>kmjrNicX#PphdDAXD@rnRj;W<9!U?T>%K0Eg0EhFA zEI_~39d~VMNQi##S*Vz*A-!hHHdJEBBz*6(=aQW3$|BUt?-RslcHh&BDLU4)?ms#Z zOQQVmHq+g9MSDP!&4B5@LL@~93|Ff2|>Ywv3~Ljx-uV096wh#I!#&68KTL<^f7I|I~@$b(8i~Op-_kp#0B6$X|i!FCYl3kDHVuyx?HlC<*P#%oQ zZhJ?UHy&pkb?iLnFO>$SZ%QE)rbx-r?uI@-X9{Je z8X$)V)u=QS&hJ zL-w*~fvGr?>6mZHumD3@D@+ulr#Am!6HiA9Ni0Xi@BG2n_wk^(cy7ss`>@g88w7x4y8Zz|9%N{GWGj-QqT+;&fY|pV7h=C6EKWl2sCuX9%FpV)(J3Y5fp|?2xOx} zrj;#35#&rt#I+)Yxf(!VXnh8qdT@dH$*;iRJwPqM8CLPuHA3r6ij~wB{N6fzD>&;I zoYNs9;fuqpB`Q1C+=`&tMu+eP?TGlv>ze%J7z)vB0KR4WUdn}FEsk{Ny=OlQ`0@~=4)=n zUQUZOdD?e)59CxkkBODN^G3a~KwW$G|DWRCGAOI=jT@Ej?iN(KyHh|?N;;*xyBh&% zknRvcy1P3C>9}cl0O_u?_@9|G=hOT3b%t?95%<0K+G}0cuP($88p1F!ZEa%b-LX9V zb}uzx^dJ2Y!tP}w+=<4Yl2U(u{zrRlnAh6dJt>I2npH3(J2M9G!L~X;C73Gg>&0p< zXNXYxH<=FRZ&~k3^FfRxvLv%pI?Yng2>~H<+6}wjnmouNu%hH3ks_*_Vf4bQ<9dv1zXp$ zzi$zSO4QTld7;_vbya%DyJ}Z@OeTmp82h@!D-y-_zXf=%njNhQH8ot=`tbYn4O2rw z{VcEy96=aCuN?Z!`{cSK%hz>%L}!37myg=}7QmFREk1ZUe&_^xm~z7(FRWmW?hWAAR13!J`qt#ZZj8NA3x68-eaJw(g{rAl;SLml zjT7`*-Pmjvs#I5xCEgYc?jo^7yUv}TH+2OEG|)h2XMTa)NK|b{kdoHaGyt`lUuRB8 z2&`Sp0rl==&Sw=B>@cIu^d5zo!YNg-n&cDt2A}nx6Bs8I6q8uBJ9l|IApOKKWt-HGuw4|T%Z4k36Nm5uHi0*Je= zVdiZcBAHiGNF{ogoqfvzhZ^bce!4o?`4 zHNQ0G-<5BLp&4iTz;>{H$Lnk!4KK=}7XD@1i1hgDDnDOW3O!t*hLi|6yGB!(wz9qd zMg@Ya!(2`6)-H(=*YqA-t(~GwwjFq zOa20|v_o40mV>Ag_@`G7re^p`6O56%?-JidjkWG=>^@^m)!TBoz!uZBbA`s~X96MT z;QVfARW&0+(>M7X)5@4Mai~I!Vg~i0PBMX!Mi^^P`;I&6H=r?{IM>b&{$SW=ro~dJ z;YjzkM^A>bbzj@7U8oan@*g5@+W4j;sp{^k`}#Pjo`6_JW_Kq}$1V_u#)J^*=NPz( zt-8-mWVph_%s(#Y+8oT>1B(v`!?0F3P;T531IQ-wl*iiMF=NcPubPNN^&+3X60 zX?r{$b@{iF22>J)qs0mwm@!qiw2#i3UcyrQiwr~Q8V+^svQW16Bj^iT3K(B8@XXOF zKj#Po>^)MN-1DQ=bPPw-%!G^#-!nMSY8{toblpQH;e?wpxw(nIdGj~{k9(;>CHZH0 z9}KyfX&Vt}&DKW=yY?NdKidSe$oW*(gkiWo6n=;rdT`3hn!*(6#cZDECJBj&L|`F` zri`U4#*A-K3pSyT^pARZ-cd52=<){l{ER%mF)3+jDfrv0%lulug7fe8pd@EXkGb^t zZzYDK|>ClIspW;X$yJQ?^W$`zee{oXY=XGI5UvEMUx8@Aa-tW{l=>Jx_ z{uGJ8)kyqAkcfxN4CG`}_Oef5igIY3hAABcfQ1l{iHm3PyVf+OgpXA>Q(~=^Ba!P} zPx&xk1pWQXAl-euWB3RE_Ss{utW01@ACOTXk^oSFFo>zbCFXcdeF*%B1)u4f|E0|2 ztxKi8X23r;4*NC1xk`h{R5s(F!+|_xp+Sy|CM2AO9#_*m=jpaAV~#QlC@7u|O@WO@k65^M{v&vS;|MhqAj|b&xWjcj*j~QJY31IeSeuc6VT8EVnS=+ zuk2>YB3B-T&5B;*J$zL3Bv2oDpmjA@| ziY(uJ!3l_RsNNSsec+>M_-%GE-519)+rSYnVzPn@msH1@ zw%V!7m*!-1qzO)VAjI-+P>DGpMqPv*ocU9hZxC%#ULpL8{jr9k_+%8k(t|cWpb6Q$ zdAMVLyM44&zk~kYBBO%|y+HD42p4`A;`TwSh3a=Betn+gnm}}dV1vKUTfSB7pb0X#eS`$3O|_w)RRC_ zi3M(Hbn>op_7{nP$z#)FHwiCwaoxnsAzFEay@+mCcCIXKXNujgDt|ckcI=h ze__$a{k4t{3_Jv?xZ?^R1n{7e3lai}gRQ`}bq!Q(1>4ssv1pxBT{x7PByma}~-M#y~GM!PkDQ@!*u@%?-Mj?>1?gM^)hdAqb} zD4$5?_2`#81OP2oi26zAS;}W{f5-kHJC!eq^62MZY%M^-4VgCVSN;y?jY?i-ruvCT zhFgN-);ZDvb&jqpdD_9%F_tLK>9ekE$6xqxc~~8aDXbHb-ifIEs6&Z< zA5sNCZVI2@a#jC6eA!9V;?Qh;dfQTLgkmxG z51!v(K877hnKI+uB&W0U?0*nX3Bl~z%FRd2Kq7tSY^7({)*^iMGW-*vC(bYB(}$XBQU0FcUrXmcy~Y2j1>1r$)qY0O0eCdB!^RM4h3m>5V zE+NL1Q1ZEsLtNV6e83y z;O1@8tH2(1LA^SWj`^x(R5u^9H@|I`EbB2n8wZ04LalO7f0M>u`x#y8PA zv7c*+$l;Km1Wq&{Qn#RFqp2B0mO+zwvXyHs&Ypa7=_BZIt%$eVcjG$y^ zPXNx?{Cs29(~FVX$*=fK(xiqu*ZoNcGLCt#>0;$s0wB4^?D2smnZy&ok7HAixB-(8Jf)}QMaQw;Xuis!8gXqg z4qCdJ@5Pip!n}T&p6OEG87d(66?)aSB=2A^(%v8@ZF*aA%qj*Pg7VM{D#w#3kZWS? zgQ2c+(}_q^1!5n9IN`)q694gfwVnXg*4Eud9}=^O!yBC$E^3= z0Hxfl=!4^qTDh1n=!FfISbG93W4x-DBdO0HAsQ5nreVZp~Eu$MQ!$1_zIx3~Q zYE}Hw$~7lp4SIS?Kt(@u3^X8(68&rS8FdYavw_1ZQsQ^&RGrXZ{7?6re{DcJiMrH+ z=l6&O#HMLlNgPp|(D5{CG0eGSq0={bazD_U z&9ccHYVOzhS#3Nj6?f|yLqDQebWDCpK0Y5xnVJ_w>lM|+w@v3NP=2^h4Pf9_@9(2$ z=Jgcchq7piaa7UGGTNtiP>XkUA=8;zxVxAHfkfRms{~G`<)NI*zOJz9N5Ruvd0w;q zU*2+;IE&ho$ip|GSFSpqo!keaDE>IY!-~$^Ib`s^sC(Bt*6vJ9f+c{T}JGM zRQf+}+-CAMRkoskj;FF{`0f_NWh9*_VAZqwBG&KGR9VMvosCB0@Df;qNrBW@j)c4T zSA0mCnAJ!Mh%=-XYixY(E!}870J|L;fM7(Cg!&~zG1*5aIVJ@qB5ft^&NaiZ60RYz znHa06-U)_MWD(AEwY!VpN<;Nd-E1}8an1gHj@=VrfEr(>AVBDkJe%C;Z4)*{)_yD2 zChkZHP%y`7;HwHVI^8qyKf4NoOM1iWC-^>aXM0)~bULXkDJHG0^svTZxZg~yl~d5-@?(~*4VLVuEFP=^(ZwYs@r1xbMB-}1j% zLq1lZ>{JF9s0?`@_qKA2sLR(Yb8_;_8dPT@(B8&Z(!)E#+iK8x$s@)srR5IgX z$Df{wzH&|RvB^kw{L)E0vV4QL-owRmcf}c+e1%b=Z#S(_AJRd%+G6D0u4}ujyIO=& zARSB1$EWrCn9hk5ps;u3=1Qc1RA5t97Ic{uihx02rFxh539EU=a_*9p=_F6#bW+Tt zmOJSjb}Xy;4u+YE6l$Iu>R%bOy=@o1>P7>xdAT57e!_ zBT1!&mLq+@{%+q5O-{%eK?SAqtU(r&5%iDtuqozThR1cHG z$$jy!8fB>ek7IZD(#y0ctd6tdmtIC$Wm6E)`NStB6#{!l47lG^23x3Mu_DjB)og5n zw^I@e!W8%aRxyb@rO+mey3tuynvh2Zdj&?y(~NoPmLr=sdgUmGLtFXa!|EtvPCP@s;VRZ_}>8^58hs^@opO@yqP}y3waO%_ppp)@s*I?52WJJ4 zUT)Cm?#S)dPozzS#7c^xb~m&OZ>ZbT8mXz4y{!capB$o}#JBh(N; z=-^SNf>1VT0OOKM02sHUZ@8nzY@8S%S(8(F5;C;fxN*Pl2N|l46rs+t1-f^s`tcxGe6yzmxK9%A~AzmECX=-SJ@;Xmldvn+Y!hh zwGl`nWkK#w1MgIPK_eGT&6kY&`talwr&llg&!ZRZ4WizlIC7I8iJ?8Qd>Kr27->@SSZmcj zl>LO2^6Aot({<%0J3LaJqBIWLA-fJDbn=j31U6k}#?Bm2Sg<=lM1^l5Fu)HAmR7%K z0a#k=8?yu6!2S#9&E33k@&vfAS#MloX_Pk9&|`|@4nHMcca&aJijYR<^h13alB?9Z+lxtS}JL!BlPSH@R*4G850VEv7mgV~G z>CMi2=Rk9;1XP^4*9f2TXkZt(@gdxX*J6Zi@Y>0Nj>*Yd9HdR0rznI<@b~J0^E^Fu zPk-F|VNbnwe4SgNf_BGLiez7xso8jX{|^JdZ$^ZvM1oFuk>$CsZ^(v+xiBDW0IdXA zm6Sze9K&lHT6I(oVRD%6bd&EH&tXevthEh)PJ6x;EViqlrQ?PpyaZ>J5;J#ID69VC z^zV2iNgY~f7zae5T#;Oo~!E^w{_)F`@7kHC0Uqz5-+E=N68k-n1HjgUuq9 zJ9=uh?J_l}#a{8^zhxR1e>Dt@2*Z$#luS@w7XWhS`seiyUpj*hK_G1zx0ypVl>TVA z;D`RU$?ZcqA9^B7V1iw#>CbY8jegO!aQJH08u+nQq%HSglFG43BCL4Nmw3G$3N!nXMPhlwA#aDi(V{BYq(d)k1^pVjnnq zMV@Yzp9pDTwIqedA8ynN5vS)F1JgAY3kjOyuUJ1*I+ z)P8?#cG{sc(6Ku@vh)*76L^49o< zv$t!d0ml1E``KnTf#*Nb6O{u>l*qPFXE|AKLoMHo5mQ~pN+k^2e|t45!J~NclzZjJ zL}A^p0h_gEXeb2CY6ru(S_60$IMyvORko2|>_-xN?MfcH*aWY8)Y8=%L)L4ixtJ{G zBItC{F#?L|5JI5CY?ndEvfIhpI0{RfXe_zVD+DrC3J1NG%70X|(cRhZ69*`R)eKcS za>mZC9rTM>rA#ccst_r@-px^XJ2xJ?zKQ1A+dI}3HMQP4NhJv$RG8(4X5iH)0-IB; z&@~~DCkvZG7b<0b2bhrqtO4xmz0f$c3L)1EP4?4yR;};5`3i-29tTqVe=Ud1ZvZNo zb>K|%2#Lect_*#W?t)RHg3}45-bO)13!$)T&2#f1CUKatP8QWIo-QN2h4p~Gnbul< zWjLF*Vgx*Z#M0xx(h^n$4qhY`+6k!z?{DRdU#F|rJ!E;F!naEOz6yCc?3yj(H~a>= z|0S0vd6eZ5*n}4c_?qEFnhTJiaPfFC32?ICkcXHqf&K6X2BQLswN6H8D9wiAxzlqj z?cAD{QzTg_v12OY_7_-pn0&KB zf%BqDpeBHN9KR>m@97>l(#e<*9)ub9vO2U1QKATfL_yajCMpO#6MH#Uh)?KtlI73!n5np}w0S2E zjUwdAi)H&mR(zGU7kUeIl}%uFHyf~Y`aL-jtN!@6_x%S&FB9x0=b=}OdTK&K57{r)H!5b@UHlHLfR?Gs)s=#s{ zV1#MhMV_Nr!bScp3_W92$7Z8Ap!aeP=pZUw?^k_?ff&BKaxlY~j7mTlqwwB0rmwz+eORmg3Jj6MF8e zlECLaWHu31L)IHG6O$*nJkjKRG0vk}s`4Q~b<>806SN9Ql!cZ(JIKhKdh^vxD5Eu# zd=`A)K?M5#pCXiEOEYY*|AqIQv|XU57n=@WvxIc9M(cL65s-j1pkhnl;smNStu_xf z)e^;>=ZBLLiSTO=U%wSBEDzL$bY#8fzgoVeYh@UXc+TDQ$%9EwR5-4W+cD(M}WfLg3;9vV$V6osq!DmGDv^~kU8Dxdj z8UIY-D7kemRVfNsiT#Uy81XhlG&kPM2E$lNP&9GWTIH9TjBGNa4EToT>w6MU$Nxy% zxECn7fdo@bHQiLJ`{l_`MEfmj51+ewg{tFoW*J#1Cdf+031BKF5_LSD%Yk*4T||#cVC%ih{=al6H8ouF*gbLmKSW4d zoYHS$_vak#PNp*J)r@X`YS0&c?jbZ$yD+uz2fwiTXjp^ zn6Bk^Z=TmcBC*~u!I#I2fbnxlzaKrE6M)sKU^K7vQ^ThFDps>+m^_=)$ z(-yiPr~z_KrTOyc*s(h}O`s@GCx;6)>rCiYG}#|o{%a#(a(m092a1t1 zE&LN8d^Nn-W$v!;v?3&Cw0#ek{lVmf*B0XWF@#j~i@|UXuPYV|x(pE;r{}sc+U-8J z#|HbYm&ojMKV-R=T7j5rdtAo8+G$5N+yB{f#ja8I({J8TaF6untKifum(b_0@h)3l z9G@5KGJ?a=9U%}(5L-J2h@G8#yO#plTJF98c`1?#6m?xzQu91I)sh;Iv#-?O{Zk_A zt(|8?xM7~Tnpz0U+o6}<5A{ulx#8OyL`2z%9H_i46Wn&E1J?RvB_p<$7tJtRp|F!tM@kmtK*fFABl@0si_Idz6!>L8n^Q-f*Fi z<+vvWv=5P|C_*Ona9Z#G3^dH}P?}^5aq+c!RE2QLSq3amX*%|8Zlqcp9zE2R>%~`E zFSn_v(um95OsF*)IC5W#QdGmLMFhZIq2d3nE7ht-ZEFiTOZGZDhGMakke0X>`S6I$ z42~Q=5VBBFVlTU(C#V@@SW58&zEy>>rE=P$ec)}qylXa#adm#oc)jEmB)4!ZEwUWq z;jRt6L@;yLnhjZ%YYUa3dFF4S&fN0iZ#>4cWf1}s|?h5&2T$JVZ`Ad1-D zDzqRk64VY}8=RXpUi=n+Q%y-SIScmI$UpyZ7yBHYs^LEFpLW*p=k(ij-&{M7EnsNa zuzGlg_p{-A)q|G!%#+7}3=foU%!n~WGjvE7a1ka*L$YwFJ}JDZl3f97H8eG&vJQ^R$Bfk*Y+fzdk*%_s5<;X;o*=W)`OfO!1J++ z?h8u#lmew30Ufhl(v<2pVT|Q4n?eic?Gvo-4Nu*D@3{RS<68Sjf0Tf*n4l{OOiTT4 zcS&})z4pfz=dO6(xY8GSHvLGSAk$$Nlf7^79;h&K?q{;0%~kYTCzj+R1&;Dg+U;AwA)p7$doS6LNBVqp;j~#t7hd-?pPS}H8*ljb zJ3;NsJ?UYpYvm!PGsp}92y4=zVq71pn3SeD}eSGpPufy3aDgPqM+5TL;U9#(Eh z(ZnL|Yqw5o-j!_Ae;OWkC@U(+&sHYqCgT?P{%3GZ{BFfxum1CCH({evQr>7YE+HNN zchX78M+73`JJhq4?oeo)M}9Z<7{ldH+LBUB@0|q(u?1>_P%z>TDJh zTuHct{%zJ+M9FYLhW@gaG9TUa1pHOnplPyY@^OXrp{jkOcIbbH0eaiCxWB(XOImmV0OA=>Y#`9y1D~5%z*CJ<-kV>7y-=g&UeHD31m$V zZ3@QHBRS%fPsejaa)37EPq8Zlx7`Y2df+_gH||^mq6L=^j}CBkw6GK>!7-f@@f5j} z+PC+Jg$oCh@P#5A&_!^&rfSvI&@rNlziiog^G)K2^hx~WLMAb~Xb_A(WA{l(mQ5E)xQm~j&o$8}*q=Sc}rl>Dqv3^5@` z{`mRl!i-=Lwig_x^b}tnTzX2yISOR`{X#r^RE(@qBM*{;SQKokCYcxRr0#JS_5>Sj zLtMWhV9E7?cv2py0fV4f0IM`Kq{=`;kK6ox`Is8CGyvmyy|AT5`_DkwqgDMC?(eTJ zy_^amqj+^SDW{?*2~GmQf+TIU>z9g;8Q_Z2t5B3HLt4j(O0JhK#<7_y=KA4HZzQ%C z0UMD5qhiYkv95Par?X@nM%KS(H?JQcwZU=waPnPf8Z=#r$$2`;v}Eyqg68;T2x9^b zw#F!dMuaP%5S7msOaofv*Om{5j7&jR7CDfCRg zTF}VnLK2((>vI(>-Kv?0gV}Sm?m1m4a`!7(I2)8zx zZps4 z^gHv6DH+f31|Lp(aHJ zd~=1ws3@)Y{%L0Ct>?A&y|>I}9i#*#KN|@6fJY}C0#Do%5{U3WCkrJ~vv%DKl8VM! z#vRGt^Uhc1FW}LeYSq~;r??)@IRXpH88EG~x&PCBoqI&gV;7AHP5H4{Mpp`IUtTn; z{@enl1wS$8iVn@YjrE4rrw&7%G?cFu3TE@&wmX$8A5?ojE9bY+ns`j>%(ebCw%8!; zcVqOj`=MBad9Vr{RWkFN?EI1YaitnG=?5<_9;DC0P&wp5or$7_P~>St`8sS7(?yIH z*>BLcwo|YM`-6T9x zU39j?lKJqZx#scV>1L{PT0Khn}epLbceCdq<@q*L!EP zzG^}~6Vd|Ygab9C_KPll2?YKOq;nJQ5_tO3H#uZ+bg`Uh!hCPS9|MnQgx{h?ThN+y zt(xZAz-l&JB3tY8*7nK_915(uW*v9)5=qwre?CZ+0TA?SoJcB=SA(YgD~MjLvzQjo zW~u5R;8w2ya@VG9>^tq>A9h(t^XBt{A6xCRaJ`y!*+*hjJ&rb zf3m3*j1y2n78(uXuVy#tsmYT<)m7zf_i*0%B%WYl78W(q)M|`0af!2O)#+J|P`WILXi6X_bVKSRs=3f3N8l8oAME9{(kW5Fth_au zNYaP3j8Q;(Qf=4`4Sd-j!FjMhTZ)55%xMS$EnE)%e4u^IG^Y|syh;o;8u*BcBq z0~NYj;w7K`EpZ%`FRwf6TmVLV!qPxGz_VT7Y%I0=r*gqUt2@gpcLm@DR1$7^eH}wK zkx4|s&`szB<%~m+MFGkf?*+TK~!&yGMNg`n_QYzaSDe#Gy_r$0-x zWf3y*g3gTg6{f(e74|LVQ>}9HpO^J`c+0?*Jb&u$oWY_iOH*t{{`YXEztC#k670S? zNeqADLzg0QkV9(bw#=}*Po4*5Lq*=MX%9WfZU!UnPDEZXF$4udwXZU;4pY*z@<<+= zY$$_cr8%s-eYEH3$WXDzldVx0c{^Jsd&~8P(&FIiw>JLkVUK_LvXf_2zQQw*EPTOF zplE14ut<_=#ew0v%2Z~eTO!ab#ACD21rGAQm1gHfa2LLl@azJmdBK-5^;a_IcD1Tv zl@8aaD-9RSy#vwMK#IOGr(x@FXc7`|TUG?+I+dG+XsW?oHoGe{=|q3hvxLRuD|K}&FZ98qQQ?_0j`E0(^HQ(PL|{!7{JaXEbUcz;)BsI#52_1k$% z|M&LJ)h}k$AAy($`YL;yxHu+|$`r}i;R{Jv`Hv08_rdbSOW+M&XmWf90!lU^-NCO3 zP;XvKbRct`27d*)VfV79$A!bwn-4Y{14JxH-x_>XP6JSK6ePGbA6B%2gv-4!5<3Ve z&5D4`5!i2vfH)2|)<{czswE+DLx{#ZJO_y+2u6*1#uA?89Fa`hJZ||nin(yumdlUy z1S#DlgsF?Ru3!gbAxaYWhxBAMo0U-VahC2&YGY)+T;$~*9I{@>#=G17;_A#dn`lDw zfA>5jhL#G6OpepqGQ_VI+LU;UWf3SpD!m(}{RwdITOgM703SsQq%EFx`rJTt3qknl3SSL*Gue{p9V82X| z%LVc*Q>sCac73!c0isQsz}?+ntfc|$B_D`CNB0|K>;LI05V|>Lg6r2{i-U*P&o!^x z3%)=Wmk%I2Nco&XfF73}Tt9ey#Q?+#PN#g0O8wd2IzPa($zmgF<$&iMbmyI^t+3?V zJN9FKfiibF=QB1Do;rVJcQ~o69f*)$R#%VQiY{x09`Xalu*M7O-J17;52;pB1Silg(s9hHU z%r>y0n&9LwRsT)=S>%ZmcxXT%j&meFjX^QC3$o-s@1*>|l~XV4Yn=8QA+JjasH9$X zp}_7C(FvqwfTMu|qfvpelH-GHQm*^S8t}n@u>qjnD+U=w-CN=RO+t95Ox(vt={E=| zCc~?i%3SnPj`n%X=xy!Eh6X9d47Vzb_gli4a&I6do|O_hBkw=T@Z4kC-KW9!FNO>) zRw`r2$z+0nXvodO=Yuw&odwQF8rn>J7X2}>txdaT0qV?*KWua-AEY0?ZgvcnZ3*B7 zR|0R3`~xpWL;>5bw^2zC9y9v+fv?~lkrQ>s8zdy86|ckJuV09iz&qqR1^uc&2id3H z;IIvPXkE1f11ZC8my>|PJj1R9i4qnB&=foGO_XG6Ad30;2r4TpZ&O!SSMRMIyjRqZ z99HP*_*6jI&RaHDF&V*j^|>{6(tgu1=RqYDlN6{A>b_epa|5@R1vhF@H1-bJ;~ zol~3siRXAWsrM7GyK8p(3AI$1vuk9IfmxN}{B|IH1MF@CHH@!LT97Cjw3ZC|L@Gc^ z%seZaJ40J?2jb5eEXz&=h8>Y%>5m>Ueu<l^9J$)%Gd=J0^Fc}XPP@kJQ{?Egl1B(sc2e&rLDm%V{9=#+hS75IO=(=TGf4)YU zq7rjPfI_C0zYU2J&{VHEa_pufZ_M>8nw2c5Fyx7BN5w^gwT`DM6l|9Eiew7pCKxok z8*IVM-ie2k&d)YBM||eI6MJPEl|XgM)THU#5!ELdi3>I&uORuq1TCg{1YY!Q!F0E(a)XEUF+ND>`}%XENgA zh<_A+!g}u|)6WiYb0R*9EsZvt(cxf#$7>S=#s%j%N4xZ716EZWe7pnD-&dG}WYuDt z5Jcp*^-hD4xprwb7c?Ej|F~@>e-YX%==bmQ!daJDaHOXj>waf#piBvASr0Nab*-}-S2Lf;W^B&ku-R*DD zj3Sf%KfK9FWqy%|?pzFKlpT7Yeiz5fIA23ZEY)I{8o17qPCq$XiAzdKB1IcQ|BJ$q zbg>hTo>I2p_SQ1j>W5Ek%a61n!pJxrV`WAD1TZ54i-;)AJ`>VIa~blz_}~`3vf#v5 z;^6G|J$Z8@Pc_lG3i)FFw+;83uMixT)2pO-#O1LoIXC>Qi%~SDsh=w11Q`G6>nk}q zkuk9_6@-W{gk;;IxWI6~oH0p~taNd}cm?nDpZwsFK#Zc=`Nd{AVy)|W_)+nV<6c^P zzt%@C1&-}2zCi&x3`XBw>xtdcUx;LbW62qcp9mNf1$IlI1Xy0B`$4k@jT@vGJ?Zgq zxnMf!(efp_Kw_ScJnX+*@ef}*ax@s|Qt#e{AY=u4o9ti`tScexheL({Rt9*Ab-Z(yQTZe-G9_KpeTDszxtf1p)e2(}#+ zy=3zDpM0qO!REB9(G=Q+y*DxBG;m=_{AwZvW?C>;08VdzG6V-SIo29}cRK{vC+j(7 zTIkI9nQk@!#Q@2vsB}`wj`WJ_QBhF^z!p0OriEM$UI6XYYbGs$flnYvCAlHMErDEi z{#$JYO!K+}sL`FTWoU$N!7G#xN}Oho`hyT26H3g0UmL~~(kE<(PdAHo52+xhIg(os zoInJ>GiE2^9Rh(GsRm?>c9lvzEM{=q=7UNbH4R%*&4BIC|}A zmy8}u4S%ZCZ-1S$0Khkt(K{A=a-UPN*DVkXXXx>zyGsW7*-1RB#tap=ugGJjoS_erot5Ss;c-en z@2Z9621O?psMnib4=qrT!BL9T6%cp-ZxT9~ynRBteWfMmM@bWP@L1|NNxS^R>Q)>caw7d|g zXtAt*>MuDrH0zdjUqs~{;gcLM*?(Xf{}?AJc;Xlq`As}iMN!t#Yhw0f;!BiDd>ThX zfmcQC_Zfr>ITCt>6Vgv;aHnLsIv3RPdNssvMpbHil`sL5PAt<@a$(SN>+F06Rt_`lF3`Wj%8JN)(K52;=0 zR2xw14;vw)6fa;@x=qoUDVmY-BD4bO-Y)mJhvW6+8_%`Kf{-=7Dn=5CaE;cGEKia#FO#N;Z!j_kIQRjd7TDyz4=+#O&dhYl4;9_{lx~d zjz~R^lcyWHHdmzi8}bl?`KhWe{(@jcEvJX&gZj)bPXsEGm7y^rj^nwZI?FniOpTFMg>Y#*tPxsFP6X>VV2p9;)zcO(x z+&yb<23Y?XE0VvmzB7CJxHQKYZHj^_bdr(M6NYKQf3(;VbKic?cJo_#Uo?aJw`K=t zV82LZ!9TRCDkhRurDG4~%xcHK8i{Gw<96D*T0fGuw;c@BKmClSh5?@b^x~CAzbQ0q z_s0R>&k9@p2OM+$JQ#EV~Co!q25=V4bn z&mgVftuC*g?Nw*lD_#|4ikeC@OU)P8A3bk5lz9hKZ~FHX6@1kjIrvAzV$KyEf0 zyM>$5k7>S^YP6ERoto|2$V4=H#~EA)W8Hk%y+Y2z$JXpQ9A z>(01PeCb zci-*(L%8cBLD3%O)iC*uscXtM+jAdE8^bTO%qnGL{~PYtt@FW!pJN%YbH}Jzk~8{{ z-_7g6m}(WvDFa1r=Zjt}9HUx{TI@fJhpEf_wI&9H*5-^V zS-*#U^I7+czNa}=QNAvrW^_jh!^|_=o!No>rmIfHUFcoQ1q{~oS>de$Czj^Rtb79N zw}?p8Huc|x$UXQ?E94)~$?dG%nZm6uzfQ|Z00EVrMq;Hi7#bF4RAqBN)AqFGw{}P} zn(!ftH+A3mY2-v}xeb|%K51;mxB%O$FqUB2F_ccPg|h(@mx*+64MzIgIT>UkTZq** zqp;7|#>e(OUfEyBaO;wBIzICcFQp(@VsE- zF`9x080e&W%J-zfJ=ss;w1poWCw~i_WpLBUe0vmfg~p@T*t_fI`3ffJXsqF~&?}yh zA}&kq^YfSLF6UAohfVHIXDhHWk^IODJDOtktaG=LCFarP17xHpdQ zuJUaNT6&E83;nO;%E7Ek-+ml--QH!4o3GnJ1vblY!Cy{B4&N-Y-dy1 z^`y_Ao4h~q$48hoMMOlXO*-Ra^$g6pphCjR%2X~U8VUVB>&TDxB!|;r{l{$H)xZcm zeqBfs1L+n-^w1Aa!i;!0u8JYHpzu5MY)>ujU-M5n{WG{;>-$%n9xtlIB{VXLK_|tC z#TPcfG~K9Uvn{IlU;!XB!=q`!$8gjlbHSkLIUgf9OcOrT!`6k?>A%gv8LgS(`fe}m zlZa>SUVHR3-8a~;oF^_hl0w&uz%U2(2h9MBIK3F*2lb<$L5HP4(Lol>h6x%Lw+_#5 zng$O^S=<=);g8~!Q=du)F{(ZHz!Z3U2ooA5Z2yQ_;aAIgZerw~l8nw;BZ8wj<#^*WB= zBdq>%N~r0gQ9E@gl}J7kWnZ&9xJFNyK+IfA?IxCwc|$*F6+psJFR$~TEdh;-`@DSdEmc}^pfL!g!YF`hV2X%j7`rroxVTKhgDgwzF}L&ml!h{7 z(D^Qo#SSd)O52YA+eNs2d4idrs2wF&#YyS^qGmQs$mZ!f!S4 zOUVT7_1_D|m@Wcx#he9oOJh1ZmKv>a-S*`j9GV`?hilx(Ddk-SaK-OzNI0{Ct$!#N z$e0)VHfE6!}j~ literal 0 HcmV?d00001 diff --git a/report.html b/report.html index a43f5a3..9b65058 100644 --- a/report.html +++ b/report.html @@ -11,7 +11,7 @@ - + Quantitative Methods HS22 @@ -1487,7 +1487,7 @@ border-radius: 0px;

Quantitative Methods HS22

Marc Gauch

-

2022-11-17

+

2022-11-18

@@ -1497,20 +1497,64 @@ border-radius: 0px; 
if (!require(tidyverse)){
   install.packages("tidyverse")
   library(tidyverse)
+}
+if (!require(moments)){
+  install.packages("moments")
+  library(moments)
 }
-
-

2 Load Data

-
-

2.1 Load from CSV

+
+

2 Own functions

+
+

2.1 Frequency Table +ordered from wish.com

+
freq <- function(data){
+  na_count = length(data[is.na(data)])
+  valid_count = length(data)-na_count
+  frequency <- table(data)
+  p <- prop.table(frequency)
+  percent <- round(p*100, digits = 2)
+  frequency_sum <- cumsum(frequency)
+  hkum <- cumsum(p)
+  percent_sum <- round(hkum*100, digits = 2)
+  freq_table <- cbind(frequency, percent, frequency_sum, percent_sum)
+  valid_percent <- round(valid_count / length(data)*100, digits = 2)
+  na_percent <- round(na_count / length(data)*100, digits = 2)
+  
+  
+  print(freq_table)
+
+  count <- c(valid_count, na_count, valid_count+na_count)
+  percent <- c(valid_percent, na_percent, valid_percent+na_percent)
+  totall <- c(valid_count+na_count, valid_percent+na_percent)
+  df <- data.frame(count, percent, row.names = c("valid", "NA", "Total"))
+  print(df)
+
+}
+

Source: https://tellmi.psy.lmu.de/tutorials/deskriptive-statistiken-und-grafiken.html#haeufigkeiten-diskret +and adapted

+
+
+

2.2 Modus

+
getmode <- function(v) {
+   uniqv <- unique(v)
+   x <- tabulate(match(v, uniqv))
+   uniqv[which(x==max(x))]
+}
+
+
+
+

3 Load Data

+
+

3.1 Load from CSV

litdata <- read_csv("DataLit_R.csv", show_col_types = FALSE)
 litdata <- as_tibble(litdata)
-
-

2.2 First +
+

3.2 First inspection of data

-
-

2.2.1 Summary

+
+

3.2.1 Summary

summary(litdata)
##        id       submitdate           lastpage      startlanguage     
 ##  Min.   :  1   Length:313         Min.   :-1.000   Length:313        
@@ -1649,8 +1693,8 @@ inspection of data

## ##
-
-

2.2.2 Glimpse

+
+

3.2.2 Glimpse

glimpse(litdata)
## Rows: 313
 ## Columns: 66
@@ -1721,8 +1765,8 @@ inspection of data
 ## $ H008          <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "Weiblic…
 ## $ R1            <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "Die Fra…
-
-

2.2.3 Print

+
+

3.2.3 Print

print(litdata)
## # A tibble: 313 × 66
 ##       id submit…¹ lastp…² start…³   seed start…⁴ dates…⁵ W001  W002  W003  W004 
@@ -1745,8 +1789,8 @@ inspection of data
 ## #   TK003_02 <chr>, TK003_03 <chr>, TK003_04 <chr>, TK004_01 <chr>,
 ## #   TK004_02 <chr>, TK004_03 <chr>, TK004_04 <chr>, TK005_01 <chr>, …
-
-
-

3 Data cleaning

-
-

3.1 Converting Strings to +
+

4 Data cleaning

+
+

4.1 Converting Strings to numbers and Keine Antwort zu NaN

litdata <- litdata %>% 
   mutate_all(~ replace(., . == "Stimme voll zu5", 5)) %>%
   mutate_all(~ replace(., . == "Stimme überhaupt nicht zu1", 1)) %>%
   mutate_all(~ replace(., . == "Keine Antwort-", NaN))
-
-

3.2 Make it numeric

+
+

4.2 Make it numeric

The following code will NOT be run. The Idea is to show a way to automatically edit all columns. It works but some columns are NOT numeric.

@@ -1926,6 +1970,7 @@ litdata$D1_2 <- as.logical(litdata$D1_2) litdata <- litdata %>% mutate(D1_3 = ifelse(D1_3 == "Ja", TRUE, ifelse(D1_3 == "Nicht Gewählt", FALSE, D1_3))) litdata$D1_3 <- as.logical(litdata$D1_3) + litdata <- litdata %>% mutate(D1_4 = ifelse(D1_4 == "Ja", TRUE, ifelse(D1_4 == "Nicht Gewählt", FALSE, D1_4))) litdata$D1_4 <- as.logical(litdata$D1_4) @@ -1960,11 +2005,11 @@ litdata$D8 <- as.factor(litdata$D8) # skipping E1 because it's a free text
-
-

3.3 Second +
+

4.3 Second inspection of data

-
-

3.3.1 Summary

+
+

4.3.1 Summary

summary(litdata)
##        id       submitdate           lastpage      startlanguage     
 ##  Min.   :  1   Length:313         Min.   :-1.000   Length:313        
@@ -2103,8 +2148,8 @@ inspection of data

## (Other): 3 Max. :2002 ## NA's :201 NA's :207
-
-

3.3.2 Glimpse

+
+

4.3.2 Glimpse

glimpse(litdata)
## Rows: 313
 ## Columns: 66
@@ -2175,8 +2220,8 @@ inspection of data

## $ D8 <fct> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, Weiblich… ## $ E1 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "Die Fra…
- -
-

4 Selbststudium 1

+
+

5 Selbststudium 1

Berechnen Sie die Häufigkeiten für die Variablen W003, K003, H001_001, H005, H007 und H008.

-
-

4.1 +
+

5.1 Data

displayFunction1 <- function(table, column) {
   tmp <- table[column]
@@ -2340,7 +2385,7 @@ Data

## 24 NA 207 66.1 
## Warning: Removed 1 rows containing missing values (`position_stack()`).

-

Die Warnung ist resultiert daraus, dass es sehr viele NA +

Die Warnung resultiert daraus, dass es sehr viele NA gibt.

@@ -2356,6 +2401,252 @@ gibt.

+
+

6 Selbststudium 2.1

+

We have the year 2021 ## Preparation

+
birthyears <- litdata$D7
+# remove NAs
+birthyears <- birthyears[!is.na(birthyears)]
+age <- 2021-birthyears
+
+

6.1 Frequency

+
freq(age)
+
##    frequency percent frequency_sum percent_sum
+## 19         1    0.94             1        0.94
+## 20         2    1.89             3        2.83
+## 21         7    6.60            10        9.43
+## 22         7    6.60            17       16.04
+## 23        15   14.15            32       30.19
+## 24        14   13.21            46       43.40
+## 25         3    2.83            49       46.23
+## 26        10    9.43            59       55.66
+## 27         2    1.89            61       57.55
+## 28         8    7.55            69       65.09
+## 29         6    5.66            75       70.75
+## 30         5    4.72            80       75.47
+## 31         4    3.77            84       79.25
+## 32         2    1.89            86       81.13
+## 33         3    2.83            89       83.96
+## 34         5    4.72            94       88.68
+## 36         4    3.77            98       92.45
+## 37         1    0.94            99       93.40
+## 41         1    0.94           100       94.34
+## 47         3    2.83           103       97.17
+## 48         1    0.94           104       98.11
+## 49         1    0.94           105       99.06
+## 50         1    0.94           106      100.00
+##       count percent
+## valid   106     100
+## NA        0       0
+## Total   106     100
+
# with NA
+freq(2021-litdata$D7)
+
##    frequency percent frequency_sum percent_sum
+## 19         1    0.94             1        0.94
+## 20         2    1.89             3        2.83
+## 21         7    6.60            10        9.43
+## 22         7    6.60            17       16.04
+## 23        15   14.15            32       30.19
+## 24        14   13.21            46       43.40
+## 25         3    2.83            49       46.23
+## 26        10    9.43            59       55.66
+## 27         2    1.89            61       57.55
+## 28         8    7.55            69       65.09
+## 29         6    5.66            75       70.75
+## 30         5    4.72            80       75.47
+## 31         4    3.77            84       79.25
+## 32         2    1.89            86       81.13
+## 33         3    2.83            89       83.96
+## 34         5    4.72            94       88.68
+## 36         4    3.77            98       92.45
+## 37         1    0.94            99       93.40
+## 41         1    0.94           100       94.34
+## 47         3    2.83           103       97.17
+## 48         1    0.94           104       98.11
+## 49         1    0.94           105       99.06
+## 50         1    0.94           106      100.00
+##       count percent
+## valid   106   33.87
+## NA      207   66.13
+## Total   313  100.00
+
+
+

6.2 Selbststudium 2

+

https://www.beratung-statistik.de/statistik-beratung-infos/r-tutorial/deskriptive-statistik-r/

+
+

6.2.1 Modalwert

+
# own method
+getmode(age)
+
## [1] 23
+
+
+

6.2.2 Median

+
median(age)
+
## [1] 26
+
+
+

6.2.3 Arithmetischer +Mittelwert

+
mean(age)
+
## [1] 27.78302
+
+
+

6.2.4 Spannweite

+
max(age)-min(age)
+
## [1] 31
+
+
+

6.2.5 +Quartilsabstand

+
IQR(age)
+
## [1] 7
+
# just for fun
+summary(age)
+
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
+##   19.00   23.00   26.00   27.78   30.00   50.00
+
+
+

6.2.6 Varianz

+
var(age)
+
## [1] 45.04771
+
+
+

6.2.7 +Standardabweichung

+
sd(age)
+
## [1] 6.711759
+
+
+

6.2.8 Schiefe

+
library(moments)
+skewness(age)
+
## [1] 1.572229
+
+

Die Kennzahl Schiefe ist wird Null bei einer perfekt symmetrischen +Verteilung, größer als Null bei einer rechtsschiefen und kleiner als +Null bei einer linksschiefen Verteilung. https://www.beratung-statistik.de/statistik-beratung-infos/r-tutorial/deskriptive-statistik-r/

+
+
+
+

6.2.9 Kurtosis

+
kurtosis(age)
+
## [1] 5.383429
+
+

Eine weitere bekannte Kennzahl ist die Kurtosis. Um eine Vorstellung +von der Bedeutung der Kurtosis zu erhalten, betrachten Sie nachfolgende +Graphik.
+In dieser Graphik sind eine Normalverteilung, sowie eine steilgipflige +(aka leptokurtisch) und eine flachgipflige (aka platykurtisch) +dargestellt. Die steilgipflige Verteilung ist in der Mitte spitzer als +die Normalverteilung und an den Rändern breiter. Bei der flachgipligen +Verteilung ist es anders herum. Die Kurtosis ist nun eine Kennzahl, mit +der untersucht wird, ob eine Verteilung im Vergleich zur +Normalverteilung flachgipflig oder steilgipflig ist:
+- Für eine Normalverteilung nimmt die Kurtosis genau den Wert 3 +an.
+- Eine steilgipflige Verteilung hat eine Kurtosis, die größer als 3 +ist.
+- Für eine flachgipflige Verteilung ist die Kurtosis kleiner als +3.
+- Beachten Sie: Anstatt der Kurtosis wird häufig auch der sogenannte +Exzess verwendet. Dies ist eine weitere Kennzahl, die definiert ist +durch die Formel: Exzess = Kurtosis - 3.
+- Der Exzess ist somit größer als Null, wenn die Verteilung steilgipflig +ist, und kleiner als Null bei einer flachgipfligen Verteilung.
+Abbildung Kurtosis
+Frech kopiert von: https://www.beratung-statistik.de/statistik-beratung-infos/r-tutorial/deskriptive-statistik-r/

+
+
+
+

6.2.10 QQ-Plot

+
qqnorm(age)
+qqline(age)
+

+
+
+

6.2.11 +Historam for age

+
+

Auto Breaks

+
hist(age)
+

+
+
+

3 Breaks

+
hist(age, breaks = 3)
+

+
+
+

5 Breaks

+
hist(age, breaks = 5)
+

+
+
+

7 Breaks

+
hist(age, breaks = 7)
+

+
+
+

10 Breaks

+
hist(age, breaks = 10)
+

+
+
+

15 Breaks

+
hist(age, breaks = 15)
+

+
+
+

20 Breaks

+
hist(age, breaks = 20)
+

+
+
+

30 Breaks

+
hist(age, breaks = 30)
+

+
+
+
+
+
+

7 Selbststudium 2.2

+

Auf der Grundlage von Daten aus einer Schweizer Schüllererhebung wird +aus verschiedenen Variablen (z.B. Angaben zum Beruf der Eltern, zur +Elternausbildung sowie zur Anzahl von Bücchern zu Hause) ein Index zur +sozialen Herkunft erstellt. Dieser Index erscheint in einer neu +gebildeten numerischen Variable im Datensatz, gibt also für jeden Fall +in diesem Datensatz einen Skalenwert zur sozialen Herkunft an. Die neu +gebildete Skala läuft von 0 (Wert mit der geringsten Ausprägung) bis 10 +(Wert mit der höchsten Ausprägung).

+

Für die gesamte Schweiz liegt der arithmetische Mittelwert auf dieser +Skala bei 5.6 und die Standardabweichung beträgt 1.8 (Zahlen sind von +mir frei erfunden!). Die Verteilung entspricht einer +Normalverteilung.

+

Der Mittelwert der Verteilung der Bündner Schüler liegt etwas tiefer +als in der Gesamtschweiz, nämlich bei 5.1 mit einer Standardabweichung +von 2.

+
+

7.1 Aufgabenstellung +1

+

Wo in der Verteilung der Schweiz liegt der Bündner Mittelwert, bzw. +wie viele Schweizer Schüler haben bzgl. der sozialen Herkunft einen +tieferen Wert als der typische Bündner Schüler?

+
pnorm(5.1, mean = 5.6, sd = 1.8)
+
## [1] 0.3905915
+
+
+

7.2 Aufgabenstellung +2

+

In einem Bündner Ort beträgt der Mittelwert auf der Skala zur +sozialen Herkunft 5.6, er ist also genauso hoch wie in der +Gesamtschweiz. Was ist zur Lage dieses Wertes bezogen auf die Verteilung +in Graubünden zu sagen? Also: Wie viele Schüler in GR liegen mit ihrem +Wert darunter?

+
pnorm(5.6, mean = 5.1, sd=2.0)
+
## [1] 0.5987063
+
+
@@ -2406,7 +2697,7 @@ $(document).ready(function () { // establish options var options = { - selectors: "h1,h2", + selectors: "h1,h2,h3,h4", theme: "bootstrap3", context: '.toc-content', hashGenerator: function (text) { diff --git a/report.rmd b/report.rmd index d86b543..ab21172 100644 --- a/report.rmd +++ b/report.rmd @@ -4,10 +4,13 @@ author: "Marc Gauch" date: "`r Sys.Date()`" output: html_document: - toc: true - toc_depth: 2 - toc_float: true - number_sections: true + toc: yes + toc_depth: 4 + toc_float: yes + number_sections: yes + pdf_document: + toc: yes + toc_depth: '2' --- ```{r setup, include=FALSE} @@ -21,6 +24,49 @@ if (!require(tidyverse)){ install.packages("tidyverse") library(tidyverse) } +if (!require(moments)){ + install.packages("moments") + library(moments) +} +``` + +# Own functions + +## Frequency Table ordered from wish.com +```{r} +freq <- function(data){ + na_count = length(data[is.na(data)]) + valid_count = length(data)-na_count + frequency <- table(data) + p <- prop.table(frequency) + percent <- round(p*100, digits = 2) + frequency_sum <- cumsum(frequency) + hkum <- cumsum(p) + percent_sum <- round(hkum*100, digits = 2) + freq_table <- cbind(frequency, percent, frequency_sum, percent_sum) + valid_percent <- round(valid_count / length(data)*100, digits = 2) + na_percent <- round(na_count / length(data)*100, digits = 2) + + + print(freq_table) + + count <- c(valid_count, na_count, valid_count+na_count) + percent <- c(valid_percent, na_percent, valid_percent+na_percent) + totall <- c(valid_count+na_count, valid_percent+na_percent) + df <- data.frame(count, percent, row.names = c("valid", "NA", "Total")) + print(df) + +} +``` +*Source: https://tellmi.psy.lmu.de/tutorials/deskriptive-statistiken-und-grafiken.html#haeufigkeiten-diskret and adapted* + +## Modus +```{r} +getmode <- function(v) { + uniqv <- unique(v) + x <- tabulate(match(v, uniqv)) + uniqv[which(x==max(x))] +} ``` # Load Data @@ -209,6 +255,7 @@ litdata$D1_2 <- as.logical(litdata$D1_2) litdata <- litdata %>% mutate(D1_3 = ifelse(D1_3 == "Ja", TRUE, ifelse(D1_3 == "Nicht Gewählt", FALSE, D1_3))) litdata$D1_3 <- as.logical(litdata$D1_3) + litdata <- litdata %>% mutate(D1_4 = ifelse(D1_4 == "Ja", TRUE, ifelse(D1_4 == "Nicht Gewählt", FALSE, D1_4))) litdata$D1_4 <- as.logical(litdata$D1_4) @@ -307,9 +354,163 @@ displayFunction1 <- function(table, column) { displayFunction1(litdata, "D7") ``` -Die Warnung ist resultiert daraus, dass es sehr viele *NA* gibt. +Die Warnung resultiert daraus, dass es sehr viele *NA* gibt. ### D8 (H008) {-} ```{r} displayFunction1(litdata, "D8") ``` + +# Selbststudium 2.1 +We have the year 2021 +## Preparation +```{r} +birthyears <- litdata$D7 +# remove NAs +birthyears <- birthyears[!is.na(birthyears)] +age <- 2021-birthyears +``` + +## Frequency +```{r} +freq(age) +# with NA +freq(2021-litdata$D7) +``` + +## Selbststudium 2 +https://www.beratung-statistik.de/statistik-beratung-infos/r-tutorial/deskriptive-statistik-r/ + +### Modalwert +```{r} +# own method +getmode(age) +``` + +### Median +```{r} +median(age) +``` + +### Arithmetischer Mittelwert +```{r} +mean(age) +``` + +### Spannweite +```{r} +max(age)-min(age) +``` + +### Quartilsabstand +```{r} +IQR(age) +# just for fun +summary(age) +``` + +### Varianz +```{r} +var(age) +``` + +### Standardabweichung +```{r} +sd(age) +``` + +### Schiefe +```{r} +library(moments) +skewness(age) +``` +> Die Kennzahl Schiefe ist wird Null bei einer perfekt symmetrischen Verteilung, größer als Null bei einer rechtsschiefen und kleiner als Null bei einer linksschiefen Verteilung. +https://www.beratung-statistik.de/statistik-beratung-infos/r-tutorial/deskriptive-statistik-r/ + +### Kurtosis +```{r} +kurtosis(age) +``` +> Eine weitere bekannte Kennzahl ist die Kurtosis. Um eine Vorstellung von der Bedeutung der Kurtosis zu erhalten, betrachten Sie nachfolgende Graphik. +In dieser Graphik sind eine Normalverteilung, sowie eine steilgipflige (aka leptokurtisch) und eine flachgipflige (aka platykurtisch) dargestellt. +Die steilgipflige Verteilung ist in der Mitte spitzer als die Normalverteilung und an den Rändern breiter. Bei der flachgipligen Verteilung ist es anders herum. Die Kurtosis ist nun eine Kennzahl, mit der untersucht wird, ob eine Verteilung im Vergleich zur Normalverteilung flachgipflig oder steilgipflig ist: +- Für eine Normalverteilung nimmt die Kurtosis genau den Wert 3 an. +- Eine steilgipflige Verteilung hat eine Kurtosis, die größer als 3 ist. +- Für eine flachgipflige Verteilung ist die Kurtosis kleiner als 3. +- Beachten Sie: Anstatt der Kurtosis wird häufig auch der sogenannte Exzess verwendet. Dies ist eine weitere Kennzahl, die definiert ist durch die Formel: Exzess = Kurtosis - 3. +- Der Exzess ist somit größer als Null, wenn die Verteilung steilgipflig ist, und kleiner als Null bei einer flachgipfligen Verteilung. +![Abbildung Kurtosis](images/kurtosis.png) +Frech kopiert von: https://www.beratung-statistik.de/statistik-beratung-infos/r-tutorial/deskriptive-statistik-r/ + +### QQ-Plot +```{r} +qqnorm(age) +qqline(age) +``` + +### Historam for age {.tabset} + +#### Auto Breaks {-} +```{r} +hist(age) +``` + +#### 3 Breaks {-} +```{r} +hist(age, breaks = 3) +``` + +#### 5 Breaks {-} +```{r} +hist(age, breaks = 5) +``` + +#### 7 Breaks {-} +```{r} +hist(age, breaks = 7) +``` + +#### 10 Breaks {-} +```{r} +hist(age, breaks = 10) +``` + +#### 15 Breaks {-} +```{r} +hist(age, breaks = 15) +``` + +#### 20 Breaks {-} +```{r} +hist(age, breaks = 20) +``` + +#### 30 Breaks {-} +```{r} +hist(age, breaks = 30) +``` + +# Selbststudium 2.2 + +Auf der Grundlage von Daten aus einer Schweizer Schüllererhebung wird aus verschiedenen Variablen (z.B. Angaben zum Beruf der Eltern, zur Elternausbildung sowie zur Anzahl von Bücchern zu Hause) ein Index zur sozialen Herkunft erstellt. Dieser Index erscheint in einer neu gebildeten numerischen Variable im Datensatz, gibt also für jeden Fall in diesem Datensatz einen Skalenwert zur sozialen Herkunft an. Die neu gebildete Skala läuft von 0 (Wert mit der geringsten Ausprägung) bis 10 (Wert mit der höchsten Ausprägung). + +Für die gesamte Schweiz liegt der arithmetische Mittelwert auf dieser Skala bei 5.6 und die Standardabweichung beträgt 1.8 (Zahlen sind von mir frei erfunden!). Die Verteilung entspricht einer Normalverteilung. + +Der Mittelwert der Verteilung der Bündner Schüler liegt etwas tiefer als in der Gesamtschweiz, nämlich bei 5.1 mit einer Standardabweichung von 2. + +## Aufgabenstellung 1 + +Wo in der Verteilung der Schweiz liegt der Bündner Mittelwert, bzw. wie viele Schweizer Schüler haben bzgl. der sozialen Herkunft einen tieferen Wert als der typische Bündner Schüler? + +```{r} +pnorm(5.1, mean = 5.6, sd = 1.8) +``` + +## Aufgabenstellung 2 + +In einem Bündner Ort beträgt der Mittelwert auf der Skala zur sozialen Herkunft 5.6, er ist also genauso hoch wie in der Gesamtschweiz. Was ist zur Lage dieses Wertes bezogen auf die Verteilung in Graubünden zu sagen? Also: Wie viele Schüler in GR liegen mit ihrem Wert darunter? + +```{r} +pnorm(5.6, mean = 5.1, sd=2.0) +``` +