library(gapminder) # falls noch nicht geladen
library(tidyverse) # falls noch nicht geladen
data("gapminder") # falls noch nicht geladen
gapminder %>%
ggplot() +
aes(x = lifeExp) +
geom_histogram()
July 14, 2026
Laden Sie das Paket gapminder (ggf. vorab installieren) und laden Sie daraus den Datensatz gapminder. Hier finden Sie weitere Informationen zum Projekt Gapminder.
Erstellen Sie ein Histogramm, um die Verteilung der Lebenserwartung zu skizzieren.
Teilen Sie das Histogramm in mehrere Facetten auf, entsprechend der Kontinente.
Erstellen Sie nun wieder ein Histogramm, aber fügen Sie bei aes() noch hinzu, dass die Füllfarbe zum Kontinent zugeordnet werden soll.
Ersetzen Sie im letzten Diagramm das Geom “Histogram” durch das Geom “density” (sog. “Dichtediagramm”, also geom_density). Reduzieren Sie das Alpha der Füllung auf 50%. Welche Variante (Histogramm oder Dichtediagramm) ist sinnvoller, bzw. wann sinnvoller? Warum?
Tipp: Mit help(gapminder) bekommen Sie mehr Informationen zum Datensatz.
Hinweis: Beziehen Sie sich auf den Stoff dieses Buches: Ismay, C., & Kim, A. (2019). ModernDive—An Introduction to Statistical and Data Sciences via R. http://moderndive.com/.

Siehe Antworten. Es erfolgt keine automatische Bewertung dieser Aufgabe.
Aufgabenname: datenvis-moderndive-histogramm1
extype: string exsolution: Siehe Antworten. Es erfolgt keine automatische Bewertung dieser Aufgabe. exname: datenvis-moderndive-histogramm1 expoints: 1
---
title: datenvis-moderndive-histogramm1
date: '2026-07-14'
categories: null
---
```{r libs, include = FALSE}
library(tidyverse)
```
```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
fig.asp = 0.618,
fig.width = 4,
fig.cap = "",
fig.path = "")
```
Question
========
Laden Sie das Paket `gapminder` (ggf. vorab installieren) und laden Sie daraus den Datensatz `gapminder`. [Hier](https://www.gapminder.org/) finden Sie weitere Informationen zum Projekt *Gapminder*.
A) Erstellen Sie ein Histogramm, um die Verteilung der Lebenserwartung zu skizzieren.
B) Teilen Sie das Histogramm in mehrere Facetten auf, entsprechend der Kontinente.
C) Erstellen Sie nun wieder ein Histogramm, aber fügen Sie bei `aes()` noch hinzu, dass die Füllfarbe zum Kontinent zugeordnet werden soll.
D) Ersetzen Sie im letzten Diagramm das Geom "Histogram" durch das Geom "density" (sog. "Dichtediagramm", also `geom_density`). Reduzieren Sie das Alpha der Füllung auf 50%. Welche Variante (Histogramm oder Dichtediagramm) ist sinnvoller, bzw. wann sinnvoller? Warum?
*Tipp*: Mit `help(gapminder)` bekommen Sie mehr Informationen zum Datensatz.
*Hinweis*: Beziehen Sie sich auf den Stoff dieses Buches: Ismay, C., & Kim, A. (2019). *ModernDive—An Introduction to Statistical and Data Sciences via R*. http://moderndive.com/.
Solution
========
A)
```{r echo = TRUE, message = FALSE}
library(gapminder) # falls noch nicht geladen
library(tidyverse) # falls noch nicht geladen
data("gapminder") # falls noch nicht geladen
gapminder %>%
ggplot() +
aes(x = lifeExp) +
geom_histogram()
```
B)
```{r}
gapminder %>%
ggplot() +
aes(x = lifeExp) +
geom_histogram() +
facet_wrap(~ continent)
```
C)
```{r}
gapminder %>%
ggplot() +
aes(x = lifeExp, fill = continent) +
geom_histogram()
```
D)
```{r}
gapminder %>%
ggplot() +
aes(x = lifeExp, fill = continent) +
geom_density(alpha = .5)
```
```{r echo = FALSE}
sol <- "Siehe Antworten. Es erfolgt keine automatische Bewertung dieser Aufgabe."
```
``r sol``
Aufgabenname: `datenvis-moderndive-histogramm1`
Meta-information
================
extype: string
exsolution: `r sol`
exname: datenvis-moderndive-histogramm1
expoints: 1