#######################
# ---- Aufgabe 0 ---- #
#######################
# b)
	qnorm(0.88, mean = 12, sd = 4)
# c)
	qnorm(0.3, mean = 12, sd = 4)


#######################
# ---- Aufgabe 1 ---- #
#######################

# c)

	nachher = rnorm(30,400,40)
	vorher = rnorm(30,500,60)

	z = nachher-vorher

	hist(z, breaks = 10)

	abline(v = mean(z), col = 2, lwd = 2)


#######################
# ---- Aufgabe 4 ---- #
#######################
IQ = c(84, 89, 92, 94, 99, 101, 102, 102, 109, 111, 113, 115, 120, 122, 139)

# Mittelwert, Standardabweichung und Varianz
	mean(IQ)
	sd(IQ)
	var(IQ)

# Median, Quantile und Interquartilsabstand
	median(IQ)
	quantile(IQ,probs = c(0, 0.3, 0.7, 1))
	IQR(IQ)

# min, max, und Spannbreite
	min(IQ)
	max(IQ)
	range(IQ)
	diff(range(IQ))

# Tabelle und Modus
	table(IQ)
	sort(table(IQ), decreasing = T)[1]

# Laenge
	length(IQ)

# Typ uns summary
	class(IQ)
	summary(IQ)
	
# Reaktionen auf Entferung von Werten:
	mean(IQ)
	mean(IQ[-15]) # --
	mean(IQ[-7])


	median(IQ)
	median(IQ[-15])
	median(IQ[-7]) # ++

	sd(IQ)
	sd(IQ[-15]) # --
	sd(IQ[-7])
	
	
#######################
# ---- Aufgabe R ---- #
#######################

Cars<- read.table("http://rosuda.org/lehre/SS10-f/STLA/datasets/Cars.txt",header=T,sep="\t",quote="")
attach(Cars)

# Zusammenfassung aller Variablen im Datensatz:
	summary(Cars)

# Kreuztabelle Type und Drive
	table(Type,Drive)

# Durchschnittsverbrauch fuer jeden Typ:
	tapply(1/HighwayMilesPerGallon, Type, mean)