Merge pull request #4 from kogpsy/boris_work

Update & Build final

.quarto/preview/lock

@@ -1 +1 @@
-32703
+33158

docs/search.json

@@ -24,7 +24,7 @@
     "href": "pages/anova_demo_mixed.html#a-daten",
     "title": "2 x 3 Mixed Design ANOVA",
     "section": "A) Daten",
-    "text": "A) Daten\n\n1) Daten einlesen und konvertieren\nLesen Sie den Datensatz therapie ein und konvertieren Sie die Variablen id und bedingung zu Faktoren:\n```{webr-r message=FALSE, warning=FALSE} therapie <- read_csv(“therapie.csv”) # einlesen\ntherapie <- therapie |> mutate(id = as.factor(id), bedingung = as.factor(bedingung))\ntherapie # Datensatz anschauen\n\n\n\n### 2) Datensatz transformieren\n\nFühren Sie eine wide-to-long Transformation durch und bilden Sie damit einen Dataframe `therapie_long` mit einer Variable `messzeitpunkt` und der (Outcome-)Variablen `wohlbefinden`. \n\n```{webr-r}\ntherapie_long <- therapie |>\n    pivot_longer(cols = beginn:ende, \n                 names_to = \"messzeitpunkt\", \n                 values_to = \"wohlbefinden\")\n\ntherapie_long # anschauen\nDefinieren Sie die Variable messzeitpunkt als Faktor mit den Faktorstufen “beginn”, “mitte” und “ende” (in dieser Reihenfolge).\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\nZusammenfassung mit summary():\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\n\n\n3) Mittelwerte berechnen\nBerechnen Sie mittels group_by() und summarize() die Mittelwerte von wohlbefinden getrennt nach bedingung und messzeitpunkt.\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.",
+    "text": "A) Daten\n\n1) Daten einlesen und konvertieren\nLesen Sie den Datensatz therapie ein und konvertieren Sie die Variablen id und bedingung zu Faktoren:\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\n\n\n2) Datensatz transformieren\nFühren Sie eine wide-to-long Transformation durch und bilden Sie damit einen Dataframe therapie_long mit einer Variable messzeitpunkt und der (Outcome-)Variablen wohlbefinden.\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\nDefinieren Sie die Variable messzeitpunkt als Faktor mit den Faktorstufen “beginn”, “mitte” und “ende” (in dieser Reihenfolge).\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\nZusammenfassung mit summary():\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\n\n\n3) Mittelwerte berechnen\nBerechnen Sie mittels group_by() und summarize() die Mittelwerte von wohlbefinden getrennt nach bedingung und messzeitpunkt.\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.",
     "crumbs": [
       "2 x 3 Mixed Design ANOVA"
     ]
@@ -71,7 +71,7 @@
     "href": "pages/anova_demo_between.html#a-daten",
     "title": "2 x 2 Between ANOVA",
     "section": "A) Daten",
-    "text": "A) Daten\n\n1) Daten einlesen und konvertieren\nLesen Sie den Datensatz akademisch ein und konvertieren Sie die Variablen bildung_vater und bildung_mutter zu Faktoren. Definieren Sie für beide niedrig als erste Faktorstufe und hoch als zweite Faktorstufe.\n```{webr-r message=FALSE, warning=FALSE} akademisch <- read_csv(“akademisch.csv”) |> mutate(bildung_vater = factor(bildung_vater, levels = (c(“niedrig”, “hoch”))), bildung_mutter = factor(bildung_mutter, levels = (c(“niedrig”, “hoch”))))\nakademisch # Datensatz anschauen\n\n\n\n### 2) Mittelwerte berechnen\n\nBerechnen Sie mittels `group_by()` und `summarize()` die Mittelwerte von `akad_swk` getrennt nach `bildung_vater` und `bildung_mutter`.\n\n```{webr-r}\nakademisch |> \n  group_by(bildung_mutter, bildung_vater) |> \n  summarize(mean_swk = mean(akad_swk),\n            .groups = \"drop\")",
+    "text": "A) Daten\n\n1) Daten einlesen und konvertieren\nLesen Sie den Datensatz akademisch ein und konvertieren Sie die Variablen bildung_vater und bildung_mutter zu Faktoren. Definieren Sie für beide niedrig als erste Faktorstufe und hoch als zweite Faktorstufe.\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.\n\n\n2) Mittelwerte berechnen\nBerechnen Sie mittels group_by() und summarize() die Mittelwerte von akad_swk getrennt nach bildung_vater und bildung_mutter.\n\nPlease enable JavaScript to experience the dynamic code cell content on this page.",
     "crumbs": [
       "2 x 2 Between ANOVA"
     ]

docs/sitemap.xml

@@ -2,14 +2,14 @@
 <urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
   <url>
     <loc>https://psylu.github.io/anova_demo/pages/anova_demo_mixed.html</loc>
-    <lastmod>2024-12-18T09:02:02.974Z</lastmod>
+    <lastmod>2024-12-18T09:20:45.739Z</lastmod>
   </url>
   <url>
     <loc>https://psylu.github.io/anova_demo/index.html</loc>
     <lastmod>2024-12-18T09:03:18.635Z</lastmod>
   </url>
   <url>
     <loc>https://psylu.github.io/anova_demo/pages/anova_demo_between.html</loc>
-    <lastmod>2024-12-18T09:02:04.641Z</lastmod>
+    <lastmod>2024-12-18T09:20:32.157Z</lastmod>
   </url>
 </urlset>

pages/anova_demo_between.qmd

@@ -49,7 +49,7 @@ library(car)
 
 Lesen Sie den Datensatz `akademisch` ein und konvertieren Sie die Variablen `bildung_vater` und `bildung_mutter` zu Faktoren. Definieren Sie für beide `niedrig` als erste Faktorstufe und `hoch` als zweite Faktorstufe. 
 
-```{webr-r message=FALSE, warning=FALSE}
+```{webr-r}
 akademisch <- read_csv("akademisch.csv") |> 
     mutate(bildung_vater = factor(bildung_vater, 
                                   levels = (c("niedrig", "hoch"))),

pages/anova_demo_mixed.qmd

@@ -50,7 +50,7 @@ library(car)
 
 Lesen Sie den Datensatz `therapie` ein und konvertieren Sie die Variablen `id` und `bedingung` zu Faktoren:
 
-```{webr-r message=FALSE, warning=FALSE}
+```{webr-r}
 therapie <- read_csv("therapie.csv") # einlesen
 
 therapie <- therapie |>