Klausur 2026

Bitte eingeben:

• Nachname:
• Vorname:
• Email:

Zeit erlaubt: 90 Minuten. Bitte alle Fragen beantworten und Ihre Rmd-Datei regelmäßig speichern. Schicken Sie am Ende der Klausur Ihre Rmd Datei an Lilian von Bressensdorf l.bressensdorf@phonetik.uni-muenchen.de in der Form Nachname.Rmd.

Daten & Packages laden

Laden Sie die folgenden Packages und Data-Frames:

library(tidyverse)
library(broom)
library(gridExtra)
library(lmerTest)
library(emmeans)
library(MuMIn)
library(afex)

sigmoid = function(x, k = 0, m = 1) {
  exp(m * x + k) / (1 + exp(m * x + k))
}

urla = "https://www.phonetik.uni-muenchen.de/studium_lehre/"
urlb = "lehrmaterialien/R_speech_processing/Rdf"
url = paste0(urla, urlb)

vregion.df = read.table(file.path(url, "vregion.df.txt"), 
                    stringsAsFactors = T)
vn.df = read.table(file.path(url, "vn.df.txt"), 
                    stringsAsFactors = T)

creak.df = read.table(file.path(url, "creak.df.txt"), 
                    stringsAsFactors = T)
r.df = read.table(file.path(url, "r.df.txt"), 
                    stringsAsFactors = T)

Fragen

• Q1.1: In vregion.df wurde eine Analyse durchgeführt, um zu prüfen, ob die Produktion von /e/ mit einer phonetischen hohen oder tiefen Position (vowel: low, high) von der Region (region: NY, NJ) und vom Geschlecht (Sex: M, F) beeinflusst wird. Fig. 1 zeigt die proportionale Häufigkeit von low and high aufgeteilt nach Region und Geschlecht. Geben Sie die Befehle ein, um Fig. 1 zu erzeugen.

• Q1.2: Führen Sie einen statistischen Test durch, um zu prüfen, ob vowel von Sex und region beeinflusst wird.

• Q1.3 Fassen Sie hier kurz zusammen, was der statistische Test zeigt.

Ihre Antwort:

• Q2: Der Dataframe vn.df zeigt getrennt für 16 Versuchsperson (Vpn) die Reaktionszeiten, um Verben (verbs) und Nomen (nouns) zu identifizieren. Erzeugen Sie eine Abbildung und führen Sie einen statistischen Test durch, um festzustellen, ob sich Verben und Nomen in den Reaktionszeiten unterscheiden.

Hier ggf. Text zu Frage Q2 eingeben.

• Q3.1: Im Dataframe creak.df soll untersucht werden, ob die Sprachproduktion mit oder ohne Knarrstimme (Vquality: creak, modal) vom Alter (age) beeinflusst wird. Das Bild zu Frage 3 zeigt die Proportion von creak als Funktion von Alter mit einer überlagerten Regression. Geben Sie die R-Befehle ein, um dieses Bild (oder ein ähnliches) zu erzeugen.

• Q3.2 Geben Sie die R-Befehle ein, um einzuschätzen, zu welchem Alter der Umkipppunkt zwischen modal und creak vorkommt.

• Q4.1: Im Dataframe creak.df soll zusätzlich untersucht werden, ob eine Beziehung zwischen f0 und Alter (age) getrennt für Männer und Frauen vorliegt. Das Bild zu Frage 4 zeigt die Beziehung zwischen f0 und Alter mit angepassten Regressionslinien. Geben Sie die R-Befehle ein, um dieses Bild (oder ein ähnliches) zu erzeugen.

• Q4.2: Würden Sie aufgrund von dem Bild zu Frage 4 sagen, dass bezüglich dieser Daten eine Interaktion zwischen Geschlecht und Alter vorliegt? Bitte kurz begründen.

Antwort zu Q4.2 hier eingeben:

• Q4.3: Führen Sie einen statistischen Test nur für die Männer, um zu prüfen, ob eine Beziehung zwischen f0 und age vorliegt.

ggf. hier Text eingeben zu Q4.3:

• Q5: Der Dataframe r.df hat Variablen für die Grundfrequenz (f0) die Prosodie (Pros: A, D, N für akzentuiert, deakzentuiert, und nuklearakzentuiert) für Geschlecht (G: m, f) und für die Versuchperson (Vpn). Prüfen Sie, mit einer geeigneten Abbildung und statistichem Test, ob die Grundfrequenz von der Prosodie und/oder Geschlecht beeinflusst wird.

Fassen Sie ggf. hier die Ergebnisse zu dem Test zusammen: