Klausurvorbereitung 2

Name, Vorname, Email

Bitte eingeben:

• Nachname:
• Vorname:
• Email:

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)
gh = read.table(file.path(url, "gheit_k.txt"), 
                stringsAsFactors = T)
vht = read.table(file.path(url, "vheight.df.txt"), 
                 stringsAsFactors = T)
vht = vht %>% 
  rename(noise = sex) %>%
  mutate(height = 
           factor(height, 
                  levels = c("low", "mid", "high")), 
         noise = ifelse(noise == "female", "loud", "quiet"))
wj = read.table(file.path(url, "wj.df.txt"), 
                stringsAsFactors = T)
s.df <- read.csv("https://userpage.fu-berlin.de/soga/200/2010_data_sets/students.csv", stringsAsFactors = T)
s.df = s.df[,-2]
kj = read.table(file.path(url, "kj2.txt"), 
                stringsAsFactors = T)
kj = kj %>%
  mutate(Age = factor(Age, levels = c("young", "mid", "old")), 
         Social = factor(Social, levels = c("WC", "LMC", "UMC")))

• Q1: Prüfen Sie mit einer Abbildung und statistischem Test nur für die ersten 200 Beobachtungen der Männer (Gender: Male) im Dataframe s.df, inwiefern es eine lineare Beziehung zwischen Höhe (height) und Gewicht (weight) gibt. Was sind die vorhergesagten Höhen für Gewichte von 80, 100, und 120?

• Q2: Für die Daten im Dataframe vht wurden Reaktionszeiten gemessen (rt), um zu prüfen, wie schnell wahrgenommene Vokale (height) produziert in Räumen mit oder ohne Lärm (noise) identifiziert werden konnten. Die Reaktionszeiten wurden von mehreren Versuchspersonen (Vpn) erhoben. Die Vokale kamen in verschiedenen Wörtern (Wort) vor. Prüfen Sie durch eine Abbildung und statistischen Test, ob Lärm (noise) und/oder Vokal (height) die Reaktionzeiten beeinflussten.

• Q3: Die folgenden Daten zeigen 15 Grundfrequenzwerte von 15 verschiedenen jungen Männern. In welchem Bereich liegt der Grundfrequenzmittelwert mit einer Wahrscheinlichkeit von 95%? Wäre ein Grunfrequenzmittelwert von 160 Hz ungewöhnlich (also mit einer Wahrscheinlichkeit von weniger als 5%)?

f0 = c(144, 137, 182, 152, 150, 117, 144, 145, 145, 132, 181, 111, 146, 145, 151)

• Q4: Für den Dataframe wj haben sich englische Hörer ein 13-stufiges Kontinuum (Stim) angehört, in dem F2 variiert wurde. Pro Stimulus mussten sie entscheiden, ob sie will und wool wahrgenommen hatten. Prüfen Sie, durch eine Abbildung und statistischen Test, ob die Wahl zwischen will und wool durch das F2-Kontinuum beeinflusst wurde. Zu welchem Wert kommt der Umkipppunkt zwischen will und wool vor? Welche vorhergesagte Proportion von will Antworten kommt vor zu einem F2-Wert von 1350 Hz?

• Q5: Die Daten im Dataframe gh zeigen die Geschwindigkeit (gw) in Silben/Minute, mit der 10 Versuchpersonen (Vpn) Inhalts- oder Funktionswörter (Wort) in der Labor- oder Telefonsprache (Art) produzierten. Prüfen Sie durch eine Abbildung und statistichen Test, inwiefern die Geschwindigkeit von Wort und Art beeinflusst wurde.

• Q6: Die Grundfrequenzwerte von 24 verschiedenen Sprechern wurden erhoben. Es gab 8 verschiedene Sprecher pro Dialekt und drei Dialekte. Die Grundfrequenzwerte waren wie folgt. Prüfen Sie durch eine Abbildung und statistischen Test, ob Dialekt einen Einfluss auf die Grundfrequenz hat.

dialA = c(100,  99, 107,  99, 103, 101,  93, 106)
dialB = c(103,  99, 105, 118, 117, 113, 111, 119)
dialC = c(114, 116, 102, 111, 116, 106, 108, 106)

• Q7: Prüfen Sie mit einer Abbildung und statistischem Test, inwiefern für den Dataframe kj die Wahl des Frikatives vom Alter (Age) und/oder Gender beeinflusst wurde.