#############################################################################
##############################################################################
###############      KLAUSUR STATISTIK Sommersemester 2017      ############# 
##############################################################################
##############################################################################

#Bitte eintragen:

Name = ""

Vorname = ""

Matrikelnummer = "" 

Fach = ""

##############################################################################

# Speichern Sie jetzt bitte diese R-Datei unter Ihrem Namen, z.B.

# "Mustermann_Max.R"

# Schreiben Sie Ihre Antworten (R-Code und Beschreibungen, letztere am besten 
# auskommentiert mit "#" zu Beginn der Zeile) hier in dieses Dokument!

# Sie müssen keine Abbildungen oder data.frames etc. speichern,
# sondern nur dieses R-Dokument!

# Vergessen Sie nicht, diese Datei regelmäßig zwischenzuspeichern!

##############################################################################
##############################################################################

# Wenn Sie fertig sind, speichern Sie bitte die R-Datei erneut
# und senden sie per Email an:

# reubold@lmu.de

##############################################################################
##############################################################################
##############################################################################
##############################################################################

#Bitte einlesen:

pfadu="http://www.phonetik.uni-muenchen.de/~jmh/lehre/Rdf"

library(ggplot2)
library(lmerTest)
library(ez)

source(file.path(pfadu, "ph.step.R"))
source(file.path(pfadu, "phoc.txt"))
source(file.path(pfadu, "sig.fn.R"))

strdata.df = read.table(file.path(pfadu, "strdata.df.txt"))
sib.df = read.table(file.path(pfadu, "sibilanten.df.txt"))
land.df = read.table(file.path(pfadu, "land.df.txt"))
jahr.df = read.table(file.path(pfadu, "jahr.df.txt"))
vdial = read.table(file.path(pfadu, "vdial.df.txt"))



##############################################################################
##############################################################################
##############################################################################
##############################################################################




#AUFGABEN#####################################################################
##############################################################################
##############################################################################
# Aufgabe 1. Diese Abbildung:
# http://www.phonetik.uni-muenchen.de/~jmh/research/temp/abbildungss17.pdf
# 
# zeigt die Proportion von Sibilanten (zwei Stufen: 's', 'S') 
# in starken und schwachen Silben (Faktor Stress: 'stark' vs. 'schwach') 
# vor und nach  der Anwendung eines 
# computationellen Modells (Faktor Condition). 
#
# Erzeugen Sie eine identische Abbildung anhand dieses Data-Frames:
head(strdata.df)
#
# Kommentieren Sie kurz, inwiefern die Wahl zwischen den 
# beiden Silbilanten von den beiden anderen Faktoren beeinflusst wird!



##############################################################################
##############################################################################
##############################################################################
# Aufgabe 2. In diesen Daten:
head(sib.df)
#
# wurde das erste spektrale Moment, M1, 
# für 's' und 'S' -Sibilanten (Faktor K), 
# die in starken ('strong') und schwachen ('weak') 
# Silben vorkamen (Faktor Stress) 
# für mehrere Versuchspersonen (Faktor Vpn) 
# und mehrere Wörter (Faktor Wort) erhoben. 
#
# Prüfen Sie anhand einer Abbildung und eines statistischen Tests, 
# inwiefern M1 von der Artikulationsstelle (Faktor K) 
# und/oder von der Betonung (Faktor Stress) beeinflusst wurde.



##############################################################################
##############################################################################
##############################################################################
# Aufgabe 3. Diese Daten:
head(land.df)
# zeigen voice-onset-time-Werte in /t/ (VOT)
# von mehreren Sprechern (Vpn) 
# in drei Sprachgruppen (Faktor Land: 'F', 'NL', 'UK'), 
# die in Deutschland seit kurzer oder längerer Zeit leben 
# (Faktor Ankunft mit Stufen 'early' und 'late'). 
#
# Prüfen Sie durch eine Abbildung und einen statistischen Test, 
# inwiefern VOT von Land und/oder Ankunft beeinflusst wird.



##############################################################################
##############################################################################
##############################################################################
# Aufgabe 4. Diese Daten:
head(jahr.df)
# zeigen voice-onset-time-Werte  (vot) von /t/ 
# in einem Dialekt von Korea zwischen (19)72 und (19)88 (jahr). 
#
# Prüfen Sie durch eine Abbildung und einen statistischen Test, 
# ob eine lineare Beziehung zwischen den 'vot'-Werten und 'jahr' vorliegt! 
#
# Was wäre nach Ihrem Modell die eingeschätzte VOT im Jahr (19)93?



##############################################################################
##############################################################################
##############################################################################
# Aufgabe 5. 
# Die voice-onset-time-Werte für /t/, 
# gesprochen von 16 Sprechern mit L1-Französisch, 
# waren wie folgt:

vot = c(-4,28,23,1,-13,20,21,-15,4,29,16,22,35,3,3,-4)

#
# (a) Wie wahrscheinlich es ist, dass /t/ 
# völlig unaspiriert ist 
# ("völlig unaspiriert" = mit einem VOT-Wert von 0 ms)?
# Berichten Sie hierbei auch das 95%-Konfidenzintervall 
# für die Daten in vot!
#
# (b) Die VOT-Werte derselben 16 französischen Sprecher 
# nach einem 6 monatigen Aufenthalt in Deutschland waren wie folgt:

vot2 = c(2,28,26,4,-9,23,19,-6,11,33,24,31,41,10,7,8)

#
# Prüfen Sie anhand einer Abbildung und einem statistischen Test, 
# ob die voice-onset-time von dem Aufenthalt in Deutschland beeinflusst wurde!



##############################################################################
##############################################################################
##############################################################################
# Aufgabe 6. 
# In diesem Data-Frame
head(vdial)
#
# beurteilten in einem Perzeptionsexperiment 67 Hörer (Vpn),
# ob ein Vokal mit unterschiedlichen F1-Werten (F1)
# 'kurz' oder 'lang' war (Faktor Vokal). 
# Die Hörer sprachen entweder 
# Standarddeutsch oder Bairisch 
# (Faktor Dial mit 2 Stufen: 'St', 'By'). 
#
#
# (a) Prüfen Sie anhand einer Abbildung und eines statistischen  
# Tests, inwiefern das Urteil (ob 'kurz' oder 'lang') 
# vom Dialekt (Dial) beeinflusst wurde.
#
#
# (b) Prüfen Sie anhand einer Abbildung und eines statistischen Tests, 
# inwiefern das Urteil 'lang' oder 'kurz' (Faktor Vokal) 
# vom ersten Formanten (F1) beeinflusst wurde. 
# Ignorieren Sie hierbei, dass die Urteile von
# Sprechern aus den obengenannten beiden Dialektgruppen stammten!
#
# Und: Zu welchem F1-Wert kippt das Urteil zwischen'lang' und 'kurz'?




#ENDE#########################################################################
##############################################################################
##############################################################################
##############################################################################
##############################################################################
##############################################################################