library(lattice)

# Für den Data-Frame dip
dip = read.table(file.path(pfadu, "dip.txt"))

# Schreiben Sie R-Befehle für:

# Die Namen der Variablen

# Die Reihen- und Spaltenanzahl von diesem Data-Frame

# Bestätigen Sie, dass die die Variable V ein Faktor ist. Was sind die Stufen von diesem Faktor?

# Was für ein Objekt ist die Variable d?

# Wieviele Stufen hat der Faktor Vpn?

# Erstellen Sie eine Tabelle der Elemente in der Variable V.

# Erstellen Sie eine gekreuzte Tabelle für die Elemente in V und in Vpn

# Schreiben Sie R-Befehle für:

# Beobachtungen 1-10

# Beobachtungen 15, 18, 20 der Variable V

# Alle Beobachtungen der Variablen d und V

# Die vorletzte Beobachtungen

# Die letzten 4 Beobachtungen

# Mit der Funktion seq() können Sie einen Vektor der unregelmäßigen Ganzzahlen zwischen 1 und 20 erzeugen wie folgt:

seq(1, to = 20, by = 2)

# Schreiben Sie einen R-Behehl, um alle unregelmäßigen Reihen von dem Data-Frame zu bekommen.

# erstellen Sie einen Boxplot der Dauer für die Faktoren V (Vokal) und Vpn (Versuchsperson) zusammen. Gibt es systematische Dauer-Unterschiede zwischen den Diphthongen und/oder zwischen den Versuchspersonen?

# Für den Data-Frame rating:
rating = read.table(file.path(pfadu, "rating.txt"))
# verwenden Sie boxplots um einzuschätzen, inwiefern Rating von der Grammatikalität (Gram) und Lang (E, S) beeinflusst werden.

# Für den Data-Frame sz
sz = read.table(file.path(pfadu, "sz.txt"))

# erstellen Sie einen Barchart, um die Häufigkeiten zu zeigen, mit denen /s/ oder /z/ von Sprechern aus Bayern und Schleswig-Holstein produziert wurden.

# Für den Data-Frame preasp
preasp = read.table(file.path(pfadu, "preasp.txt"))

# erstellen Sie einen Barchart, um einzuschätzen, inwiefern die Verteilung von ±preasp (ob Pre-aspiration vorkam oder nicht) von dem davor kommenden Vokal (vtype) beeinflusst wurde.