Aufgaben

1. Aufgabe

   Laden Sie die folgende Tabellen mit folgendem Befehl aus dem Paket tidyverse:

   Insgesamt sollten Sie als folgende Tabellen in Ihrem environment verfügbar haben:

   • table1
   • table2
   • table3
   • table4
   • table5

   Welche der Tabellen ist in der Normalform?

   
   
   1. table1
   2. table2
   3. table3
   4. table4
   5. table5
   
   

2. Aufgabe

   Laden Sie den Datensatz affairs:

   affairs_path <- "https://vincentarelbundock.github.io/Rdatasets/csv/AER/Affairs.csv"

   affairs <- read_csv(affairs_path)

   Lesen Sie das Data Dictionnary hier.

   Wir definieren als “Halodrie” eine Person mit mindestens einer Affäre (laut Datensatz).

   Bearbeiten Sie folgende Aufgaben:

   1. Filtern Sie mal nach Halodries!
   2. Sortieren Sie (absteigend) nach Anzahl der Affären!
   3. Wählen Sie die Spalten zu Anzahl der Affären, ob es Kinder in der Ehe gibt und die Zufriedenheit mit der Ehe. Dann sortieren Sie dann nach Anzahl der Kinder und danach nach der Anzahl der Affären.
   4. Berechnen Sie die mittlere Anzahl der Affären!
   5. Berechnen Sie die mittlere Anzahl der Affären pro Geschlecht und aufgeteilt auf Partnerschaften mit bzw. ohne Kinder.
   6. Geben Sie für jede Person die höhere der zwei Zahlen von Religiösität und Ehezufriedenheit aus!
   7. Berechnen Sie jeweils das Heiratsalter!
   
   

3. Aufgabe

   Importieren Sie den folgenden Datensatz in R:

   mtcars <- read_csv("https://vincentarelbundock.github.io/Rdatasets/csv/datasets/mtcars.csv")

   Übersetzen Sie dann die folgende R-Sequenz ins Deutsche:

   mtcars %>% 
     drop_na() %>% 
     select(mpg, hp, cyl) %>% 
     filter(hp > 100, cyl >= 6) %>% 
     group_by(cyl) %>% 
     summarise(mpg_mean = mean(mpg))

   ## # A tibble: 2 × 2
   ##     cyl mpg_mean
   ##   <dbl>    <dbl>
   ## 1     6     19.7
   ## 2     8     15.1