Laden Sie die folgenden Packages und Data-Frames:
library(tidyverse)
library(broom)
urla = "https://www.phonetik.uni-muenchen.de/"
urlb = "studium_lehre/lehrmaterialien/R_speech_processing/Rdf/"
url = paste0(urla, urlb)
source(file.path(url, "sig.fn.R"))
l.df = read.table(file.path(url, "l.df.txt"),
stringsAsFactors = T)
franken.df = l.df %>%
filter(Dial == "J") %>%
select(Urteil, stim)
tap.df = read.table(file.path(url, "alvtap.txt"),
stringsAsFactors = T)
ucla = read.csv("https://stats.idre.ucla.edu/wp-content/uploads/2016/02/sample.csv")
ucla = ucla %>%
mutate(female = ifelse(female == 0, "M", "F"),
hon = ifelse(hon == 0, "yes", "no"),
female = factor(female),
hon = factor(hon))
names(ucla)[1] = "sex"
a.df = read.table(file.path(url, "adaten.df.txt"),
stringsAsFactors = T)
cont2.df = read.table(file.path(url, "cont2.df.txt"),
stringsAsFactors = T)
sigmoid = function(x, k = 0, m = 1) {
exp(m * x + k) / (1 + exp(m * x + k))
}
Q1: Für den Data-Frame
franken.df
wurde ein Stimulus Kontinuum synthetisiert,
indem im Wort leiden
in 7 Stufen das Verhältnis
Vokaldauer:Verschlussdauer manipuliert wurde (stim
). Die
Hörer mussten pro Beobachtung zwischen leiden
und
leiten
unterscheiden (Urteil
). Was ist der
Umkipppunkt zwischen leiden
und leiten
? Was
müsste laut diesem Modell die Proportion der
leiden
-Antworten bei Stimulus 2 sein? Prüfen Sie mit einer
geeigneten Abbildung und statistischem Test, ob das Urteil (ob
leiden
oder leiten
) vom Stimulus beeinflusst
wurde.
Q2: Der Data-Frame tap.df
zeigt, wie oft australisch-englische Sprecher einen post-vokalischen
Alveolar (in z.B. ‘water’) mit einem /ɾ/ (einem Tap) (JA) oder einem /t/
(NEIN) produziert haben (K
). Wird die Wahl des Konsonanten
(K
) vom Herkunftsland (Her: “E” = England oder “I” =
Irland) beeinflusst?
Q3: Der Data-Frame ucla
zeigt
ob Männer oder Frauen (sex
) in eine sogenannte ‘Honors’
Gruppe (hon
) an der Universität aufgenommen wurden
(yes
) oder nicht (no
). Prüfen Sie durch eine
Abbildung und statistischen Test, ob die Aufnahme in die Honors Gruppe
vom Geschlecht beeinflusst wurde.
Q4: In dem Dataframe a.df
wurden offene Vokale synthetisiert, indem F1 geändert wurde. Die Hörer
mussten pro Stimulus zwischen /a/ (Lamm) und /a:/ (lahm) wählen. Prüfen
Sie, durch eine Abbildung und statistischen Test, ob die Wahl zwischen
/a/ und /a:/ durch F1 beeinflusst wurde. Bei welchem F1-Wert ist der /a
~ a:/ Umkipppunkt? Was sind die eingeschätzen propotionalen Werte zu
F1-Frequenzen 750, 800, und 850 Hz?
Q5: Für den Data-frame cont2.df
wurden F2 Werte automatisch in y
oder u
(Urteil
) für verschiedene Regionen (Region
)
und Altersgruppen (Alter
) von einem Spracherkennungssystem
klassifiziert. Prüfen Sie ob:
Urteil
von Alter
beeinflusst wirdUrteil
von Alter
und Region
beeinflusst wirdUrteil
von F2 beeinflusst wird.Für (c), bei welchem F2-Wert liegt der Umkipppunkt zwischen /y/ und /u/?