library(ggplot2)

# Fuer die Daten in diesem Data-Frame
clara = read.table(file.path(pfadu, "clara.txt"))

# pruefen Sie bitte anhand einer Abbildung, inwiefern eine Verbindung zwischen der 
# Prae-aspirationsdauer (Spalte prdur) und Wortdauer (Spalte ddur) vorliegt. 
# Beschriften Sie die Achsen mit "Wortdauer" und "Praeaspirationsdauer".
# Erstellen Sie hierbei zwei Panels, eines fuer prae-aspitierte Plosive in 
# initialer und finaler Position
# (Stufen "i" und "f" in Spalte pos, in dieser Reihenfolge!)


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


# Fuer die Daten in diesem Data-Frame
dg = read.table(file.path(pfadu, "dg.txt"))
# erstellen Sie eine Abbildung, um zu pruefen, inwiefern Unterschiede 
# im zweiten Formanten (F2) mit der Region (Region) variieren, getrennt fuer 
# Maenner und Frauen (Gen). 
# Beschriften Sie die y-Achse als "F2 (Hz)".


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


# Fuer die Daten in diesem Data-Frame:
franken = read.table(file.path(pfadu, "franken.txt"))
# pruefen Sie anhand einer Abbildung, inwiefern das Urteil (Response) - ob in 
# Woertern wie 'leiten' ein /t/ (fortis) oder /d/ (lenis) wahrgenommen wurde - vom 
# Alter (Alter) beeinflusst wird. Bilden Sie hierfuer Proportionen ab. 


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


# Fuer diese Daten:
geraet = read.table(file.path(pfadu, "ger.df.txt"))

# wurde die Hoehe des Kiefers (kiefer) von zwei verschiedenen Geraeten (Geraet) gemessen. 
# Erstellen Sie eine Abbildung, anhand deren gezeigt werden kann, ob die Kieferhoehe 
# vom Geraet beeinflusst wurde. Errechnen Sie danach pro Sprecher (Vpn) die Differenzen
# zwischen beiden Messungen, also der von Geraet B stammenden Werte 
# minus der von Geraet A stammenden Werte.


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


# Fuer diese Daten:
glottal = read.table(file.path(pfadu, "glottal.txt"))
# wurde transkribiert, ob ein [t] oder Glottalverschluss [tQ] produziert 
# wurde (verschluss), und ob diese Verschluesse von einem System 
# fuer automatische Segmentierung erkannt wurden oder nicht. 
# Pruefen Sie anhand einer Abbildung, ob die Erkennung vom Verschluss beeinflusst wurde.


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


# Fuer diese Daten:
h.df = read.table(file.path(pfadu, "hruch.txt"))
# wurde voice-onset-time (VOT) fuer mehrere 
# Versuchspersonen in der andalusischen Varietaet des Spanischen 
# gemessen. Pruefen Sie anhand von 2 Abbildungen ob (a) VOT vom 
# Alter des Sprechers (Alter) beeinflusst wurde und
# (b) ob eine Beziehung zwischen VOT und der Verschlussdauer (Verschluss) vorliegt.


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